Fault Detection and Diagnosis for Gas Turbine Based on Information Entropy Models

摘要

随着科学技术的发展，人们正不断尝试克服一系列的阻碍去进行更加高效和精确的生产。这种不间断的创新已经到了维护领域，能够监测一些大型、复杂的设备的运转情况以及预测可能的故障的发生。特别的，对于电站来说这一点就显得极其重要，它可以说是电厂在一段时间运行维护的一个核心问题。因此，燃气轮机的异常检测和故障诊断成为一个递归问题，以避免生产发生问题，并且不断优化以提高其使用寿命。由于燃气轮机必须在恶劣的条件下工作，如随着运转时间的增加温度的升高，高转速，高压以及恶劣环境的传递等问题，会增加燃气轮机故障发生的几率。这些问题很有可能引发安全问题，同时设备故障导致的生产的停滞甚至机组停机都会导致严重的经济损失。
　　燃气轮机的异常检测和故障诊断包括一系列的健康监测方法。本文主要从Shannon信息论的角度进行研究。首先，应用早前提出的统计方法，基于互信息即“最大信息系数”来建立一个稳定的运行模式，体现在燃气轮机内部各传感器的测量值均大致不变的一个模式。常模式反应了燃气轮机运行的一个理想模式，这是基于进一步的测量得出的故障问题相对应的一个模式。其次，本文利用信息熵的核函数扩展理论对燃气轮机排气温度进行分析来构造一个信息量更大的子集来进行故障预警并利用C4.5决策树根据故障的种类和分类规则来标记数据样本。
　　本工作的主要目的是通过初步介绍互信息理论在燃气轮机异常检测以及传感器强相关性的检测应用，其次，结合燃气轮机排气温度与核空间和决策树的概念，分析其如何提高燃气轮机的性能。实验数据的分析显示，从两个信息熵的理论得出的结果可以看出该方法是可靠的，并且值得利用该理论对燃气轮机健康监测进行更加深入的研究。

目录

封面

英文摘要

中文摘要

目录

Chapter1 Introduction

1.1 Background and Significance

1.2 Literature review

1.3 Structure of thesis

1.4 Brief Summary of the Chapter

Chapter 2 MIC in gas turbines abnormality awareness

2.1 Introduction

2.2 Principles and formulation

2.3 Experimental results

2.4 Brief Summary of the Chapter

Chapter 3 Abnormality detection based on Kernelized Entropy

3.1 Introduction

3.2 Kernelized entropy Model

3.3 Results

3.4 Brief Summary of the Chapter

Chapter 4 Fault recognition with information entropy based decision tree

4.1 Introduction

4.2 Algorithm design

4.3 Brief Summary of the Chapter

Chapter 5 M2M structural prototype for remote fault diagnosis

5.1 Introduction

5.2 Every component’s role in a collective M2M chain

5.3 Brief summary of the chapter

Chapter 6 Conclusion and recommendations

参考文献

声明

Declarations

Copyright

致谢