Resumen

Para evitar la interrupción del suministro eléctrico, es esencial contar con un sistema fiable de diagnóstico de averías para el sistema generador de turbina de gas (GTGS), que es complicado e inherente a muchos tipos de averías de los componentes. Sin embargo, el diagnóstico de GTGS se enfrenta a retos en cuanto a la existencia de diagnósticos de fallos simultáneos y al alto coste de adquirir las señales de vibración de fallos simultáneos, que aumentan exponencialmente, para construir el sistema de diagnóstico. Esta investigación propone un nuevo marco de diagnóstico que combina la extracción de características, el clasificador probabilístico acoplado por pares y la optimización del umbral de decisión. El módulo de extracción de características adopta la transformada de paquetes wavelet y características estadísticas en el dominio del tiempo para extraer las características de la señal de vibración. A continuación, se aplica el análisis de componentes principales para reducir aún más las características redundantes. Las características de los fallos individuales en un patrón de fallos simultáneos se extraen y se detectan utilizando un clasificador probabilístico, es decir, una máquina de vectores de relevancia acoplada por pares, que se entrena únicamente con patrones de fallos individuales. Por lo tanto, el conjunto de datos de entrenamiento de patrones de fallos simultáneos es innecesario. Para optimizar el umbral de decisión, esta investigación propone utilizar el método de búsqueda en cuadrícula, que puede garantizar una solución global en comparación con las técnicas tradicionales de inteligencia computacional. Los resultados experimentales muestran que el marco propuesto funciona bien tanto para el diagnóstico de fallos únicos como de fallos simultáneos y es superior a los marcos sin extracción de características ni acoplamiento por pares.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:sistema de diagnóstico, diagnóstico de fallos, patrones de fallo, extracción de características, clasificador probabilístico, sistema generador de turbina de gas, técnicas tradicionales de inteligencia computacional, optimización del umbral de decisión, señales de vibración de fallo, módulo de extracción de características
• Keywords:diagnostic system, fault diagnosis, fault patterns, feature extraction, probabilistic classifier, gas turbine generator system, traditional computational intelligence techniques, decision threshold optimization, fault vibration signals, feature extraction module