×
米拉德·莫拉迪;阿里·柴巴赫什;阿明·拉梅扎尼

用于火电厂故障检测和状态监测的智能混合技术。 （英文） Zbl 1480.94060号

申请。数学。建模 60, 34-47 (2018).
总结：本研究介绍了智能故障检测系统在蒸汽发生器机组瞬态运行期间识别异常状态的应用。蒸发器部分的未观测动态已导致多次错误警报和锅炉紧急停机。为了检测故障情况，并行使用了四种不同的分类器代理。收集系统跳闸期间实际系统性能的实验数据，以训练和验证智能分类器。为了提高故障检测过程的可靠性和准确性，采用Yager融合规则将所有分类器的输出结果进行组合。在机组负荷变化期间以及在一个或两个分类器无法检测到正确情况的不同情况下，评估了所建议的故障检测系统的性能。所得结果表明，所提出的技术通过早期检测异常情况来防止产生虚假警报的能力和可行性。

MSC公司：

94C12号机组 故障检测；电路和网络测试

关键词：

蒸汽发生器;故障检测;平行代理;多分类器系统;信息融合

软件：

减压阀F;ANFIS公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Moradi}等人，应用。数学。建模60，34-47（2018；Zbl 1480.94060）
全文： 内政部

参考文献：

[1] Chen，K.-Y。；陈，L.-S。；陈，M.-C。；Lee，C.-L.，使用基于SVM的方法检测火电厂设备故障，计算。工业。，62, 42-50 (2011)
[2] 林，G.-M。；Bae，医学博士。；Kim，J.-H.，基于支持向量机的热像法旋转机械故障诊断，J.Mech。科学。技术。，28, 2947-2952 (2014)
[3] 北卡罗来纳州萨拉瓦南。；Siddabattuni，V.K。；Ramachandran，K.，使用人工神经网络（ANN）和近端支持向量机（PSVM）对直齿锥齿轮箱进行故障诊断，应用。软计算。，10, 344-360 (2010)
[4] Rothenberg，D.H.，《过程控制报警管理：工业报警系统设计、实施和使用最佳实践指南》（2009），动量出版社
[5] Goel，P。；Datta，A。；Mannan，M.S.，《工业警报系统：挑战与机遇》，J.Loss Prevent。流程工业。，50, 23-36 (2017)
[6] 拉贝奇，J.C。；Bullemer，P。；托尔斯玛，M。；Reising，D.V.C.，《通过警报摘要显示设计和警报响应策略解决流程工业中的警报洪水情况》，Int.J.Indust。额尔贡。，44, 395-406 (2014)
[7] Yu，Y。；朱，D。；Wang，J。；Zhao，Y.，《基于相关方向的多元报警系统异常数据检测》，J.Loss Prevent。流程工业。，45, 43-55 (2017)
[8] 萨拉胡尔，K。；Kordestani，M。；Khoshro，M.S.，《利用SVM（支持向量机）和ANFIS（自适应神经模糊推理系统）分类器的融合对工业汽轮机进行故障检测和诊断》，《能源》，35，5472-5482（2010）
[9] 巴尔迪，S。；Quang，T.L。；O.霍卢布。；Endel，P.，《冷凝锅炉能效和性能退化实时监测》，energy Convers。管理。，136, 329-339 (2017)
[10] Verbert，K。；巴布什卡，R。；De Schutter，B.，《基于知识的故障诊断的贝叶斯和Dempster-Shafer推理——一项比较研究》，《工程应用》。Artif公司。智力。，60, 136-150 (2017)
[11] Vileiniskis，M。；Remenyte-Prescott，R。；拉玛，D。；Andrews，J.，《三相分离器的故障检测和诊断》，J.Loss Prevent。流程工业。，41, 215-230 (2016)
[12] Jia，F。；雷，Y。；林，J。；周，X。；Lu，N.，Deep神经网络：一种很有前途的工具，用于挖掘具有大量数据的旋转机械的故障特征和智能诊断，Mech。系统。信号处理。，72-73, 303-315 (2016)
[13] 陈，J。；李，H。；Sheng，D。；Li，W.，发电厂传感器状态监测和故障诊断的混合数据驱动建模方法，国际电工杂志。《电力能源系统》，71，274-284（2015）
[14] 袁，H。；卢，C。；马，J。；陈振华，基于神经网络的副翼作动器故障检测方法，应用。数学。型号。，39, 5803-5815 (2015) ·Zbl 1443.90082号
[15] 塔汉，M。；Tsusanis，E。；穆罕默德，M。；Abdul Karim，Z.A.，《燃气轮机状态维修的基于性能的健康监测、诊断和预测：综述》，应用。能源，198122-144（2017）
[16] 尹，Z。；Hou，J.，复杂工业过程中基于SVM的故障诊断和过程监测的最新进展，神经计算，174，643-650（2016）
[17] 贝里奥斯，R。；努涅斯，F。；Cipriano，A.，基于Takagi-Sugeno模糊模型的联合循环电厂燃气轮机容错测量系统，模糊集系统。，174, 114-130 (2011)
[18] 萨拉胡尔，K。；Kordestani，M.，模拟工业汽轮机主动容错控制系统的设计，应用。数学。型号。，38, 1753-1774 (2014) ·Zbl 1449.93139号
[19] Tse，P.等人。；Wang，D.D。；Atherton，D.，Harmony理论基于学习矢量量化分类器产生了鲁棒的机器故障不可知系统，工程应用。Artif公司。智力。，9, 487-498 (1996)
[20] Kankar，P.K。；南卡罗来纳州夏尔马。；Harsha，S.P.，利用小波变换进行滚动元件轴承故障诊断，神经计算，741638-1645（2011）
[21] 费雷拉，V.H。；Zanghi，R。；福特斯，M.Z。；Sotelo，G.G。；Silva，R.B.M。；苏扎，J.C.S。；哥伦比亚特区吉马朗斯。；Gomes，S.，《智能系统在电力系统输电线路故障诊断中的应用调查》，电力系统。第136135-153号决议（2016年）
[22] Ruiz de la Hermosa González-Carrato，R.，风力涡轮机驱动机构的基于声音和振动的模式识别，更新。能源，109262-274（2017）
[23] Woźniak，M。；格拉纳，M。；Corchado，E.，《作为混合系统的多分类器系统的调查》，Inf.Fusion，16，3-17（2014）
[24] Patcha，A。；Park，J.-M.，《异常检测技术概述：现有解决方案和最新技术趋势》，《计算机》。净值。，51, 3448-3470 (2007)
[25] Om，H。；Kundu，A.，降低异常入侵检测系统虚警率的混合系统，（2012年第一届信息技术最新进展国际会议论文集（2012）），131-136
[26] 辛格，S。；Choi，K。；科达利，A。；Pattipati，K.R。；南布鲁，S.M。；奇古萨，S。；Prokhorov，D.V。；乔，L.，故障诊断分类器的动态融合，（IEEE系统、人与控制论国际会议论文集，2007年）。ISIC（2007），IEEE），2467-2472
[27] 戈什，K。；Natarajan，S。；Srinivasan，R.，分布式多智能体过程监控系统中的决策融合，（2010年网络、传感和控制国际会议论文集（2010）），183-188
[28] 牛，G。；Han，T。；杨，B.-S。；Tan，A.C.C.，电机故障诊断的多智能体决策融合，机械。系统。信号处理。，21, 1285-1299 (2007)
[29] 杨，B.-S。；Kim，K.J.，Dempster-Shafer理论在使用振动和电流信号诊断感应电机故障中的应用，机械。系统。信号处理。，20403-420（2006年）
[30] 蔡，B。；Huang，L.等人。；Xie，M.，故障诊断中的贝叶斯网络，（IEEE工业信息学学报（2017））
[31] Chaibakhsh，A。；Ghaffari，A。；Moosavian，S.A.A.，基于遗传算法的参数调整的直流锅炉模拟模型，Simul。模型。实际。理论，151029-1051（2007）
[32] Isermann，R.，《故障诊断应用：基于模型的状态监测：执行器、驱动器、机械、工厂、传感器和容错系统》（2011），施普林格科学与商业媒体·Zbl 1304.94001号
[33] L.Auria，R.A.Moro，作为偿付能力分析技术的支持向量机（SVM），DIW柏林讨论，第811号论文（2008）。；L.Auria，R.A.Moro，作为偿付能力分析技术的支持向量机（SVM），DIW柏林讨论，论文编号811（2008）。
[34] Burges，C.J.C.，模式识别支持向量机教程，Data Min.Knowl。迪斯科。，2, 121-167 (1998)
[35] Jegadeeshwaran，R。；Sugumaran，V.，《使用统计特征和支持向量机的汽车液压制动系统故障诊断》，机械。系统。信号处理。，52, 436-446 (2015)
[36] Zhang，G.P.，分类用神经网络：一项调查，IEEE Trans。系统。人类网络。C部分申请。修订版，30，451-462（2000）
[37] Tu，J.V.，使用人工神经网络与逻辑回归预测医疗结果的优缺点，临床杂志。结束语。，49, 1225-1231 (1996)
[38] Abellan-Nebot，J.V。；Subirón，F.R.，《基于人工智能过程模型的加工监控系统综述》，《国际先进制造技术杂志》。，47, 237-257 (2010)
[39] 诺克·D。；Kruse，R.，从医学数据中获取可解释的模糊分类规则，Artif。智力。医学，16，149-169（1999）
[40] Witoelar，A。；贝尔，M。；Hammer，B.，《学习向量量化：竞争原型的泛化能力和动力学》，（Dagstuhl研讨会论文集（2007），Schloss Dagstuhel-Leibniz-Zentrum für Informatik）
[41] 王建民。；文永清，遗传LVQ神经网络在电力客户信用分析中的应用（第四届国际自然计算会议论文集，2008）。ICNC’08（2008），IEEE），305-309
[42] 森，O。；郑祥，S。；建华，W。；Degui，C.，LVQ神经网络与遗传算法相结合在电能质量信号分类中的应用，（电力系统技术国际会议论文集，2002年）。PowerCon 2002（2002），IEEE），491-495
[43] Smola，A.J。；Schölkopf，B.，支持向量回归教程，统计计算。，14, 199-222 (2004)
[44] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 273-297 (1995) ·兹比尔08316.8098
[45] Abe，S.，用于模式分类的支持向量机（2005），施普林格
[46] Möller，M.F.，用于快速监督学习的缩放共轭梯度算法，神经网络。，6, 525-533 (1993)
[47] Jang，J.S.R.，ANFIS:基于自适应网络的模糊推理系统，IEEE Trans。系统。人类网络。，23, 665-685 (1993)
[48] Jang，J.-S.R。；Sun，C.-T。；Mizutani，E.，《神经模糊和软计算》；学习和机器智能的计算方法（1997），Prentice-Hall
[49] Chaibakhsh，A.，余热蒸汽发生器的建模和长期模拟，数学。计算。模型。动态。系统。，19, 91-114 (2013) ·Zbl 1277.93008号
[50] 诺瓦·D。；Estévez，P.A.，学习矢量量化分类器综述，神经计算。申请。，25, 511-524 (2014)
[51] Kohonen，T.，《自组织地图》（1995），施普林格出版社：施普林格出版社，柏林-海德堡
[52] Brownlee，J.，《聪明的算法：自然激发的编程方法》（Clever Algorithms:Nature-Inspired Programming Recipes）（2011年），杰森·布朗利
[53] Castanedo，F.，《数据融合技术综述》，《科学》。《世界期刊》，2013年1月19日（2013年）
[54] Safizadeh，M.S。；Latifi，S.K.，《利用多传感器数据融合通过加速计和称重传感器对滚动轴承进行振动故障诊断》，Inf.fusion，18，1-8（2014）
[55] 范，X。；Zuo，M.J.，基于D类-证据理论。第1部分：D类-证据理论及其改进，模式识别。莱特。，27, 366-376 (2006)
[56] Hégarat-Mascle，S.L。；理查德·D。；Ottlé，C.，使用Dempster-Shafer证据理论的多尺度数据融合，集成。计算。辅助工程师，10，9-22（2003）
[57] 森茨，K。；Ferson，S.，《Dempster-Shafer理论中的证据组合》（2002年），桑迪亚国家实验室：阿尔伯克基桑迪亚国家实验室
[58] Klir，G。；Wierman，M.，《基于不确定性的信息：广义信息理论的要素》（1999），Springer Science&Business Media·Zbl 0935.68023号
[59] Yager，R.R.，《关于Dempster-Shafer框架和新组合规则》，《信息科学》。，41, 93-137 (1987) ·Zbl 0629.68092号
[60] 罗布尼克-Šikonja，M。；Kononenko，I.，ReliefF和RRelifF的理论和实证分析，马赫。学习。，53, 23-69 (2003) ·Zbl 1076.68065号
[61] Wozniak，M.，《混合分类器：数据、知识和分类器组合方法》（2013），施普林格出版社
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。