随着国民经济的发展,我国大型汽轮发电机组的单机容量日益增大,这对机组可用率、运行效率、安全性、可靠性与经济性提出了更高的要求。因此,研究汽轮发电机组振动故障诊断技术对其安全稳定运行有着十分重要的理论意义和巨大的经济效益。本文在总结和借鉴前人有关汽轮发电机组状态监测和故障诊断研究的基础上,重点研究了基于模糊集、人工神经网络、粗糙集、遗传算法以及它们相互结合机制的诊断理论和方法,用已有的汽轮发电机组振动故障实例进行了验证,得出了一些具有实用价值的结论,并提出了可靠、实用的大型汽轮发电机组振动故障诊断的新方法。本文主要内容有:1阐述了本课题研究的目的和意义,对汽轮发电机组振动故障的特点、机组在线监测和故障诊断技术的研究现状和方法以及模糊集、神经网络、粗糙集和遗传算法的发展及其在机组振动故障诊断中的应用进行了全面的综述。2分析和研究了汽轮发电机振动故障的电气、机械和热力机理,提出采用模糊集理论对征兆数据进行规范化处理的方法,为进一步的智能诊断技术研究奠定基础。3深入分析BP神经网络在理论和方法上存在的缺陷,提出采用遗传算法优化初始网络权重,将遗传算法与BP神经网络有机地结合起来,迅速得到BP神经网络最佳的初始权值矩阵,并成功地运用于汽轮发电机组振动故障诊断系统。4通过对粗糙集理论的深入分析,提出改善传统粗糙集约简抗干扰属性影响差的方法和基于遗传算法的粗糙集约简算法。仿真结果表明,该方法提高了粗糙集约简提取诊断规则的准确性和效率,能较好地满足诊断规则提取的技术要求,并成功地运用于汽轮发电机组振动故障诊断系统。5针对大型汽轮发电机组振动故障的复杂性、非线性、影响因素多等特点,首次提出基于粗糙集理论的诊断规则分层发现方法,在诊断实例中取得了较好的效果。6提出了基于粗糙集约简理论的汽轮发电机组振动故障诊断模糊神经网络,有效地压缩了神经网络的输入空间,经实例证明该方法能很好地对各层次的振动故障进行诊断。7综合本文的研究成果,将模糊集、神经网络、遗传算法和粗糙集结合起来,首次提出了结合多种智能方法的汽轮发电机组振动故障集成诊断网络,通过故障实例诊断分析,效果良好,具有较强的实用价值。