针对传统单一燃气调压器故障诊断模型存在诊断精度较低和结果误判别率高等问题,提出一种经验小波变换(EWT)与改进D-S证据理论结合的故障诊断方法,对燃气调压器故障状态进行诊断。使用EWT对传感器采集数据进行预处理并计算各分量能量熵,将其作为以广义回归神经网络、Elman神经网络和灰关联熵分析3种模型为基础构建的混合诊断模型的输入变量。根据D-S证据理论建立3个模型的基本信度函数,实现故障信息的决策融合,并引入证据关联系数法对证据体决策重要度和冲突问题加权修正。实验结果表明:EWT与改进D-S证据理论模型的故障诊断准确率达95.0%,在平均误差、均方误差、最大误差百分比等方面均优于单一的广义回归神经网网络、Elman神经网络和灰关联熵分析模型。

为了研究阀瓣缺陷对调压器的性能影响,利用计算流体力学研究正常及阀瓣缺口故障状态的调压器性能,分析两种调压器模型状态的内部流场变化情况,再与实地实验结果对比。模拟结果表明:模型数值模拟结果较好地反映了调压器内部流场运行状况。调压器阀瓣上出现较小缺口、在阀口较小开度下,阀口处气体流速有较大扰动速度,会造成阀口处流量出现较大波动。搭建实验平台,阀体连接处安装300 mm管段及流量计,再将仿真结果与现场检测的压力数据进行比对