随着我国电力行业的飞速发展,汽轮发电机组的结构愈加复杂,在运行中面临的故障也愈来愈多。为确保机组设备长期安全、稳定、高效的运行,需对其进行准确、可靠地故障诊断。针对汽轮机组故障知识多源异构,容易形成“知识孤岛”的问题,考虑本体能够较好的应用于汽轮发电机组故障诊断领域的知识表示。同时,机组设备运行中产生有大量蕴含设备状态信息的数据。鉴于此,提出了一种本体和信号分析相结合的汽轮发电机组故障诊断方法,并对其进行实例验证与分析。论文主要研究内容与工作总结如下:(1)构建了基于本体的汽轮发电机组故障诊断知识库。针对汽轮发电机组故障知识多源异构,知识共享和重用困难、推理能力和灵活性不足等问题,考虑基于本体的方法能够更好的表示汽轮发电机组故障知识,结合并改进了传统“骨架法”和“七步法”,并基于此构建了汽轮发电机组故障诊断本体知识库,确保了故障诊断本体在知识结构上的一致性,便于知识的共享和重用,也为基于本体的故障推理奠定了基础。(2)设计了基于EEMD、排列熵和SVM的信号分析方法。针对汽轮发电机组工作环境复杂多变,干扰噪声较大,机组振动信号多具有非平稳、非线性、强噪声特性等问题,结合了EEMD和排列熵的方法提取振动信号的故障特征,根据汽轮发电机组的故障机理和相关性分析,选取了故障特征中的敏感分量组成有效倍频分量,其余虚假分量重构后计算各频段的排列熵作为特征向量,辅以PSO-SVM算法进行故障辨识,提高了故障诊断的准确性和辨识效果。(3)提出了基于本体和信号分析的汽轮发电机组故障诊断方法。基于概念名称相似度算法设计了一种语义映射,将信号分析的结果与本体知识库中的实例相关联,并对关联得到的本体实例进行了推理,进而获得了故障部位、故障原因及相应的维修策略等。通过转子模拟试验台模拟了汽轮发电机组典型转子故障进行实例测试,结果表明该方法实现了汽轮发电机组“数据采集、特征提取、故障识别、故障推理和故障解决”的全过程故障诊断。(4)开发了基于本体和信号分析的汽轮发电机组智能故障诊断系统。采用Protégé、SQL、MTALAB和C#等联合开发了汽轮发电机组智能故障诊断系统,包括汽轮发电机组状态监测模块、故障知识处理模块、故障信号分析模块、数据库管理模块及人机交互界面。实例验证表明本系统能够准确、有效地实现汽轮发电机组故障诊断,且故障诊断的智能化程度更高。