论文部分内容阅读
当船舶燃气轮机发生某气路故障时,可能引起设备的热效率的小幅度下降,而设备的?效率会下降很多。为了解决常规故障诊断方法低工况气路故障辨识困难的问题,本文开展了基于热力学第二定律的船用燃气轮机热经济学气路故障诊断研究。本文从热经济学角度,建立了船用燃气轮机气路热经济学模型;进行正常状态以及典型气路故障状态下的?损分析;开展了基于?损的船用燃气轮机的气路故障诊断研究和基于船用燃气轮机组元内源不可逆损失的气路故障诊断研究,并进行了两种故障诊断方法的诊断实例验证。主要研究内容如下:(1)船用燃气轮机气路热经济学模型:介绍了热经济学结构理论,将船用燃气轮机根据合适的集成度,划分子系统和过程组元,确定组元的“燃料”和“产品”。根据船用燃气轮机工作原理建立了物理结构图和生产结构图。根据生产结构图建立了船用燃气轮机气路热经济学数学模型,包括压气机、燃烧室、涡轮的热力模型以及各股能流的?模型。最后在MATLAB/SIMULINK环境下建立了船用燃气轮机热经济学仿真模型,并进行了典型工况的仿真。仿真结果表明,热力参数误差最大为7.38%,所建立的船用燃气轮机气路热经济学模型与实验数据较为吻合,为后续开展船用燃气轮机气路故障仿真及诊断提供了基础。(2)基于?损的船用燃气轮机气路故障仿真研究:根据船用燃气轮机气路热经济学仿真模型开展了船用燃气轮机?损研究,建立了?损矩阵。研究了故障状态下组件间的生产关系,确定了船用燃气轮机典型气路故障植入因子,进行了船用燃气轮机典型气路故障仿真,得到了不同气路故障下各组元的?损数据,分析了船用燃气轮机气路故障严重程度下的组元?损的变化规律,发现随着气路故障严重程度的增加,燃气轮机各部件的?损都是增加的。(3)基于?损的船用燃气轮机气路故障诊断研究:根据船用燃气轮机发生典型气路故障时船用燃气轮机的?损的相对变化量,考虑到传感器的噪声及振动的影响,建立数据与故障的对应关系,采用反向传播神经网络(Back Propagation,BP)、径向基函数神经网络(Radical Basis Function,RBF)、概率神经网络(Probabilistic Neural Network,PNN)对故障下?损的相对变化量以及故障矩阵进行训练,建立基于?损的智能气路诊断模型。分析了工况、数据样本对BP-?损气路诊断网络、RBF-?损气路诊断网络和PNN-?损气路诊断网络诊断性能的影响。发现三者在学习后对于故障判别都有很强的识别性,而其中,PNN-?损气路诊断网络对于本文的故障分类情况相对于其他二者具有较好的诊断精度。最后利用PNN-?损诊断网络进行了船用燃气轮机气路故障诊断仿真实验。诊断结果表明:基于?损的智能气路故障诊断算法可以很好地实现船用燃气轮机气路故障诊断,故障和正常状态之间的切换时误报率最高为5.16%,漏报率最高为16.6%。(4)基于内源不可逆损失的船用燃气轮机气路故障诊断研究:分析了船用燃气轮机在典型气路故障下的内源不可逆损失在多边界条件的变化规律,发现当船用燃气轮机发生气路故障时,其发生故障的组元的内源不可逆损失在船用燃气轮机多边界条件下更稳定一些。根据此规律,建立了船用燃气轮机基于内源不可逆损失的故障诊断判据,设计了基于内源不可逆损失的故障诊断算法。进行了稳态工况和动态工况下船用燃气轮机气路故障诊断仿真实验,诊断结果表明:所提出的气路故障诊断算法可以实现船用燃气轮机气路故障诊断,其中误报率最大为5.12%,漏报率最大为14.67%。通过实验发现误报的情况主要发生在仿真实例验证中燃气轮机正常到故障状态切换的瞬间,漏报多发生在故障恢复到正常状态的时候。