SA-WNN模型的水電機組故障診斷??

針對水電機組故障樣本少的問題,將支持向量機引入水電機組故障診斷研究,提出一種結合小波頻帶分解與最小二乘支持向量機的水電機組故障診斷模型。基于機械設備\"能量-故障\"映射關系,運用小波分解提取機組振動信號各頻帶能量特征值,然后將能量特征值輸入到多分類的支持向量機,實現(xiàn)對機組不同故障類型的識別。通過實驗信號分析,表明將小波能量提取與支持向量機結合進行水電機組故障診斷是可行有效的,并具有較高的故障分辨能力,為水電機組故障診斷提供了新的方法和思路。

重點介紹了水電機組實施工況監(jiān)測的主要工況及其分析診斷技術,并在總結現(xiàn)場試驗研究的基礎上,給出了水電機組運行設備工況監(jiān)測與分析診斷的故障類型。

對當前水電機組故障診斷系統(tǒng)的現(xiàn)狀進行了討論,并且基于數(shù)據(jù)融合和信息共享的思想,提出將狀態(tài)檢修系統(tǒng)與計算機監(jiān)控系統(tǒng)和信息管理系統(tǒng)相結合的方法,基于研究開發(fā)了水電機組狀態(tài)監(jiān)測與故障診斷系統(tǒng),達到了充分利用現(xiàn)有資源,提供智能決策參考的目的

針對水電機組故障診斷知識較為復雜多樣的特點,提出了將產(chǎn)生式模糊規(guī)則表示、神經(jīng)網(wǎng)絡表示和可視化故障知識表示等多種方法綜合集成的知識表達方式和診斷推理策略。診斷實例表明,該集成知識表達和推理方式的引入有助于增強水電機組故障診斷專家系統(tǒng)的知識獲取和表達能力,提高了系統(tǒng)的推理匹配能力。

作為電廠的重要設備之一，水電機組的良好運行狀態(tài)是確保水電廠安全運行的重要保證。隨著國內(nèi)水電工程建設的發(fā)展不斷加快，水電機組開始往高效率、大容量、高轉速以及高水頭的設計方向進行發(fā)展，在設計采用的材料擁有更高的強度，不僅增加了機組尺寸，減小了相對剛度，并且采用更加靈活的構件，因此對機組運行的穩(wěn)定性和可靠性提出了更高的要求。為了對水電機組的運行狀態(tài)進行在線監(jiān)測和診斷分析，采用了水電機組狀態(tài)監(jiān)測與故障診斷系統(tǒng)，通過系統(tǒng)收集機組運行數(shù)據(jù)，上傳給計算機網(wǎng)絡進行監(jiān)測分析，對機組運行過程中存在的潛在故障進行排查和報警，提前避免重大安全事故的產(chǎn)生，對保證水電機組運行的安全性和可靠性具有重要的意義。本文主要對狀態(tài)監(jiān)測技術和故障診斷技術進行了分析。

在電廠中,水電機組是其中十分重要的一個設備,其運行狀態(tài)與水電廠運行的安全性有著直接的聯(lián)系.在我國水電工程不斷發(fā)展與進步的情況下,水電機組就必須向著以下幾個方面發(fā)展:效率更高;容量更大;轉速更快;水頭更高等,除此之外,為了能夠更好的滿足當前時代對機組的更高需求,還應該盡量選擇具有高強度的材料以及靈活性更高的構件.為了能夠讓水電組實現(xiàn)更加穩(wěn)定、安全且可靠的運行,就需要在線監(jiān)測水電組的運行狀態(tài)并進行相應的診斷分析,為了能夠提高這些工作的準確性和效率,可以在這個過程中使用水電組狀態(tài)檢測系統(tǒng)以及故障診斷系統(tǒng),接下來是將系統(tǒng)收集到的有關數(shù)據(jù)信息上傳到計算機網(wǎng)絡中,進行相應的監(jiān)測分析,從而更好的排查機組運行過程中存在的問題,并及時的采取合理的措施加以解決,避免機組運行過程中出現(xiàn)故障問題.為此,本文對水電機組狀態(tài)監(jiān)測與故障診斷技術進行了相關研究與分析,為后續(xù)相關工作的進行提供了一定的參考和依據(jù).

水電機組的振動信號為典型的非平穩(wěn)、非線性信號。為了通過振動信號正確判斷水電機組的運行狀態(tài)，本文提出運用經(jīng)驗模態(tài)分解處理原始信號，并對獲得的基本模式分量計算其復雜度特征，最后運用最小二乘支持向量機進行故障診斷。選取徑向基函數(shù)作為核函數(shù)，并通過網(wǎng)格搜索和交叉驗證確定相關參數(shù)。結果表明，經(jīng)驗模態(tài)分解復雜度特征和支持向量機結合，能夠準確地實現(xiàn)故障診斷，確定故障類型，為機組運行維護人員提供參考依據(jù)。

針對傳統(tǒng)方法難以精確提取水電機組非平穩(wěn)振動信號的故障特征,首先引入變分模態(tài)分解(variationalmodaldecomposition,vmd)將水電機組非平穩(wěn)振動信號分解為一系列中心頻段互不重疊的imf分量,進而采取能量法提取各imf分量的故障特征,最后將提取的故障特征向量輸入到本文建立的基于遺傳算法優(yōu)化支持向量機的故障診斷模型中,實現(xiàn)故障模式的識別與診斷。將該方法應用于實際水電機組故障振動信號的處理中,仿真結果表明,該方法能夠有效識別機組的異常狀況,具有較高的故障診斷正確率。

為提高水電機組故障診斷的準確率,提出基于優(yōu)化支持向量機多分類器的水電機組故障診斷方法。支持向量機(supportvectormachine,簡稱svm)在解決小樣本問題上有著突出的表現(xiàn),針對其參數(shù)設置采用人工蜜蜂群(artificialbeecolony,簡稱abc)進行參數(shù)優(yōu)化。建立基于fisher加權的樸素貝葉斯分類器(attributefisherweightednaivebayesclassifier,簡稱fwnbc)和基于mahalanobis距離的分類器(mahalanobisdistanceclassifier,簡稱mdc),并與優(yōu)化的支持向量機分類器組合成為fwnbc+mdc+優(yōu)化svm的分類融合模型,以基于優(yōu)化微分經(jīng)驗模式分解法(differentialempiricalmodedecomposition,簡稱demd)提取的分量作為輸入特征向量,應用融合模型對水電機組故障進行診斷,以投票為決策方法。實驗結果表明該模型對于未經(jīng)優(yōu)化的支持向量機和特征提取以及單一的分類器,能有效提高故障識別的準確率。

針對水電機組常規(guī)振動故障診斷分類器不能反映分類中的不確定信息的不足,提出一種基于粗糙集的一對一(1-v-1)多類支持向量機分類方法。該方法充分利用粗糙集對不確定、不完整數(shù)據(jù)和復雜模式的良好刻畫能力及支持向量機優(yōu)秀的泛化能力,應用粗糙集最核心的思想:上、下近似來描述支持向量機分類結果。結合1-v-1方法實現(xiàn)支持向量機的多類分類,導出多類分類時樣本的上、下近似和邊界區(qū)域的集合表示,并以規(guī)則的形式對分類器進行描述。用所提方法對國際標準測試數(shù)據(jù)進行實驗,并應用于某水電廠機組振動故障診斷。所得結果與單純1-v-1多類支持向量機方法比較,結果表明該分類器具有規(guī)則簡潔、分類階段所需存儲空間小,能夠反映故障模式分類中的不確定信息等優(yōu)點。

提出應用粗糙集和支持向量機水電機組振動的故障診斷模型。運用粗糙集理論對水電機組振動信號的屬性特征進行預處理,在約簡去除其冗余屬性后得到?jīng)Q策表,將決策表作為支持向量機的學習樣本,通過訓練,使構建的支持向量機多分類器能夠反映屬性特征和故障類型的映射關系,從而達到故障診斷的目的。測試結果表明,與常規(guī)方法相比,應用粗糙集和支持向量機相結合的方法進行故障診斷具有簡單有效、診斷速度快和良好的魯棒性等優(yōu)點,是一種有效的診斷方法。

提出了一種利用小波包分析提取水電機組的振動故障特征和基于支持向量機的水電機組振動故障診斷方法。以二值分類為基礎,構建了基于支持向量機的多值分類器。先對水電機組的振動信號進行頻譜分析,提取該信號在頻率域的特征量,將頻譜特征向量作為學習樣本,通過訓練,使分類器能夠建立頻譜特征向量和故障類型的映射關系,從而達到故障診斷的目的,并以水電機組振動多故障分類為例,進行了應用檢驗。結果表明,與常規(guī)方法相比,該方法簡單有效、并具有很好的分類能力和良好的魯棒性,可以滿足在線故障診斷的要求,適合水電機組振動故障的診斷。該方法為水電機組故障診斷向智能化發(fā)展提供了新的途徑。

針對遼寧省桓仁水電站計算機監(jiān)控系統(tǒng)的機組振動故障診斷功能缺陷,提出了基于灰色關聯(lián)分析的水電機組振動故障診斷方案.事實證明該診斷方案具有良好的實際應用效果,可以有效提高桓仁水電站機組檢修效率.

一、診斷檢修是計劃檢修的進步以往電力系統(tǒng)的設備檢修是按計劃檢修原則進行的,根據(jù)原水利電力部頒發(fā)的“發(fā)電廠檢修規(guī)程”規(guī)定的周期、工期、項目,“到期必修、修必修好?！币?guī)定的依據(jù)基本

在研究有關數(shù)據(jù)融合理論及其算法的基礎上,將不同特性的數(shù)據(jù)進行綜合和推理,用以解決水電機組故障診斷的多源信息處理問題。

將小波包分解及重構技術用于轉子軸心軌跡提純,利用離散余弦變換實現(xiàn)軸心軌跡的自動識別,結合水輪發(fā)電機組故障診斷系統(tǒng),實現(xiàn)了軸心軌跡圖形征兆的提取,論證了所述方法的合理性和可行性.利用該方法提高了系統(tǒng)的診斷速度和精度

提出了一種開發(fā)水電機組故障診斷專家系統(tǒng)的設計思想及實現(xiàn)方法.通過采用產(chǎn)生式規(guī)則來表示知識,運用正反向推理機制,動態(tài)豐富知識庫,實現(xiàn)水電機組振動的在線(離線)監(jiān)測和故障診斷,并提供診斷結果和相應的故障處理措施,為水電廠從計劃檢修向狀態(tài)檢修提供可靠的技術保證.該系統(tǒng)具有人機界面友好、運行速度快、信息存儲量大、開發(fā)周期短、易于維護、擴充等特點

介紹了人工神經(jīng)網(wǎng)絡的基本性能和ｂｐ網(wǎng)絡模型及算法，并將神經(jīng)網(wǎng)絡中的ｂｐ模型應用于水輪發(fā)電機組振動故障診斷中，比較了選擇不同的網(wǎng)絡參數(shù)對診斷系統(tǒng)性能的影響。實驗證明，基于ｂｐ網(wǎng)絡的水輪發(fā)電機組振動故障診斷方法具有較高的實用價值。

介紹了人工神經(jīng)網(wǎng)絡的基本性能和bp網(wǎng)絡模型及算法，并將神經(jīng)網(wǎng)絡中的bp模型應用于水輪發(fā)電機組振動故障診斷中，比較了選擇不同的網(wǎng)絡參數(shù)對診斷系統(tǒng)性能的影響。實驗證明，基于bp網(wǎng)絡的水輪發(fā)電機組振動故障診斷方法具有較高的實用價值。

概略地介紹了tn8000水電機組狀態(tài)監(jiān)測分析故障診斷系統(tǒng)的作用及適用范圍,畫出了系統(tǒng)的網(wǎng)絡構成圖,詳細介紹了系統(tǒng)的各種功能,給出了該系統(tǒng)在實際工程中的應用實例。

針對水電機組激振試驗的特點，設計、制造并標定了大型力錘。它克服了信噪比不高的缺點，使瞬態(tài)激振成功地應用于水電機組的實驗分析，并取得了較高的試驗精度。

介紹了對我國100多臺已運行的水輪機氣蝕調(diào)查結果,分析了氣蝕改善的原因,并給了有關水輪機比轉數(shù)和裝置氣蝕系數(shù)的統(tǒng)計關系曲線等。