华北电力大学(北京)硕士学位论文
则和隶属函数集合而言，难以找出规则与规则间的关系，也就是说规则有“组合爆炸”现象发生。另外由于系统的复杂性、祸合性，由时域、频域特征空间至故障模式空间
的映射关系往往存在着较强的非线性，此时隶属函数形状不规则，只能利用规范的隶属函数形状来加以处理，如用三角形、梯形或直线等规则形状来组合予以近似代替，也就使得非线性系统的诊断结果不够理想。例如在汽轮发电机组振动故障诊断中常常遇到振动过大，振动随负荷增大而发 生明显变换等模糊诊断术语，这些术语是难以用传统的数学方法进行描述。而模糊理论能有效处理人类思维中的不确定和复杂性的准确性，因而很适合汽轮发电机组这样复杂的非线性故障诊断系统。利用模糊方法处理问题的方法有两种：一类是根据模糊集间的距离和利用模糊关系矩阵，应用模糊模式识别和模糊综合评判方法来进行设备的故障诊断，一般称之为模糊诊断方法：另一类是用模糊聚类分析方法来进行设备的故障诊断，称之为模糊聚类方法。这两种方法在汽轮发电机组故障诊断领域都得到了一定的应用。
模糊诊断方法的应用有很多，文【将模糊模式识别方法用于凝汽器的故障诊 7 1断； s文【运用模糊数学方法，值原则和最大隶属原则向]将阀结合，建立了凝汽器故障诊断模型； 9文1应用模糊关系矩阵来建立汽轮发电 1机组的诊断模型，将故障征兆和故障原因建立在矩阵中，通过输入和输出之间的模糊关系进行诊断。在利用模糊聚类对发电设备进行故障诊断时，由于它不需要对征兆和故障之间的关系有很深的了解，而是依据诊断对象间故障和征兆的特征、亲疏程度和相似性，通过建立模糊相识关系对诊断对象完成故障分类和诊断，因此，模糊聚类分析近几年在发电设备
故障诊断领域中得到了广泛的应用。 1将模糊聚类算法应用于汽轮发电机组转文(] 0子振动故障的诊断研究中，提出了合适的聚类参数，并指出了应优先进行故障诊断的范围，从而时诊断工作量和诊断时间大为减少。
模糊模式识别方法存在的主要间题是如何选取模糊隶属函数，而隶属函数单靠 人工设定存在一定问题。在工程实践中由于完备模糊规则集比较大，会出现不必要的冗余，使诊断过程趋于复杂；而且未考虑低置信度的规则对正确识别故障类别的影响。
目前，为了 克服现有的智能诊断方法的局限性，人们正致力于研究一种更强大的混合智能诊断系统。将神经网络与模糊理论相结合产生的模糊神经网络应用比较广泛。该方法采用模糊方法来处理神经网络的输出以显示最后结果，并且对推理作出解释，而且模糊系统能够给操作人员提供语言量的输出。 1一〔]文【] 1采用模糊神 1
3经网络模型对凝汽器故障进行诊断。有的方法将模糊理论与专家系统相结合， 1]文【 4构成了一个基于模糊分类的专家诊断系统，为汽轮发电机组在线监测和故障诊断提供了一条新的途径。1 4 3专家系统诊断方法的应用 ..