全文总字数：4582字

1. 研究目的与意义及国内外研究现状

近年来，电力工业的迅速发展，越来越多的大型机组陆续投入运行，虽然我国的电力工业得到长足发展，但当前全国电力需求增长仍然十分迅猛，电力供应短缺状况也时时出现，使我国较多地区出现供电紧张甚至严重缺电现象，使得许多发电机组长期处于超负荷运行状态，设备的安全性也随之下降，基于概率神经网络的发电机组故障诊断就是对发电机在生产过程的各种参数进行实时的状态监测、故障诊断和预测维护以保证电厂机组的正常运行和正常发电。 由于产品和技术大多价格昂贵，有的技术已经过时，而且受现场状态监测设备不够完善、现场领域专家不足等，信息不能共享等诸多因素的影响，在电站设备的故障诊断、健康评测、状态评价、状态检修等方面尚存在不少理论与应用的难题。因而为了进一步提高机组运行的经济性，概率神经网络则可以通过利用先进的理论分析、状态监测与评价、故障诊断与预测维护等技术来进一步延长机组维修间隔，缩短维修时间。概率神经网络pnn是一种性能良好的分类网络，它直接考虑样本空间的概率特性，以样本空间的典型样本作为隐含层的节点，一经确定就不需要再进行训练，这样，就可以快速训练，大大缩短时间，而且得到最优解，对故障进行高效诊断。

国内外研究现状

二十世纪以来，随着现代科学技术及电力工业的迅速发展，现代电力生产设备日趋大型化，复杂化和自动化，功能越来越强，结构也越来越复杂，机械设备的可靠性、可用性、可维修性与安全性的问题日益突出，因发电设备故障而造成的损失也大大增加，从而促进了人们对机械设备故障机理及诊断技术的研究。故障诊断技术是一门涉及模式识别、信号处理、人工智能、统计学、计算机科学等多个学科的综合性技术，国外故障诊断技术的研究与应用经几十年的实践已取得了良好的经济效益，故障诊断系统的应用不仅产生了良好的经济效益，更重要的是对提高机组的设备可靠性发挥了积极作用。

汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊性，汽轮发电机组的故障率不低，而且故障危害性也很大。因此，汽轮发电机组的故障诊断一直是故障诊断技术的一个重要方面。早起的汽轮发电机组故障诊断方法为人工诊断，这是最原始的，却也是最基本的故障诊断方法。直至上世纪70年代初它仍然是国内外电力系统主要的诊断方法。从上世纪70年代起，随着人工智能理论、电子技术和计算机技术的发展，为机理化振动故障诊断技术向自动化、智能化发展提供了重要的先决条件。诊断系统的智能化是指它可以有效地获取、传递、处理并利用相关信息，对给定环境下的诊断对象进行自动或半自动状态识别、故障诊断和状态预测。

国内、外汽轮发电机组故障自动诊断理论和技术在近40年中得到快速发展。国内智能诊断的研究范围一是对理论和方法的研究；二是实际技术与系统的开发与应用研究。根据近年在这一领域发表的论文、参与的人数、获奖的成果以及国家、地方各部门投入的资金来看，国内本项研究的发展是迅速而规模庞大的。当前故障智能诊断的方法有两大类：基于人工智能的专家系统和人工神经网络。前者的标准模式由知识库、推理机和人机接口组成；后者是由简单的处理单元相互连接成的网络,其中应用最多的是前向多层网络，在学习过程中采用了bp算法，模糊神经网络将神经网络和模糊数学结合起来进行模糊推理诊断。我国在发电设备状态监测与故障诊断方面起步比较晚，主要经历了三个阶段：第一阶段是1980年以前，电力生产中只有简单的读数仪表，故障诊断主要依赖于工人的经验；第二阶段是20世纪80年代到90年代末，这个时期我国在引进国外先进仪表的同时也引进了相应的软硬件分析装置，这个时期是我国故障诊断技术快速发展的时期；第三阶段是21世纪以来，故障诊断技术进入到一个相对平稳的发展时期，主要是着手解决故障理论与实践运用中所遇到的问题。同时，神经网络在理论和实践方面有了突飞猛进的发展，以其非线性大规模并行分布处理、自组织、自学习能力引起了国内外研究专家的重视，取得了很多成果。同时，国内在大机组振动及状态监测、分析、故障诊断与处理等方面取得一定的成绩，为电力的安全生产和保障主设备安全运行提供了重要的技术支持。但是现今的状况仍然不能满足实际需要，振动仍是当前影响大型机组运行的关键技术之一。例如文献[2]：1972年日本关西电力公司南海电厂3号汽轮发电机组（600mw）因振动引起严重的断轴毁机事故。1988年，曲靖电厂、湘潭电厂在新机组调试期间，均由于振动缺陷影响了机组顺利投运。全国各电网在役大机组出现振动故障影响电力生产的事故更是屡屡发生。1988年6月，在1个网局曾出现同时有5台200mw以上的大型机组发生高压缸叶片断裂重大事故，直接损失2400万元。内蒙丰镇发电厂1994年2号汽轮机大轴弯曲事故；1999年阜新电厂1号汽轮发电机组轴系断裂事故等。因此，加强电站设备的监测、故障诊断以保证其安全可靠运行，消除事故，是十分迫切的问题。

2. 研究的基本内容

基于概率神经网络是一个四层神经元结构的网络模型，属于前向式神经网络结构，主要建立在贝叶斯决策的基础上，其故障诊断方法实质上就是利用概率神经网络模型的强大非线性分类能力，将故障样本空间映射到故障模式空间中，从而形成具有较强容错能力和自适应能力的诊断网络系统。

本文主要是利用pnn神经网络的算法来对汽轮发电机组进行故障诊断，主要分为五个部分来研究：