VMD分解和支持向量機(jī)的水電機(jī)組振動(dòng)故障診斷

提出應(yīng)用粗糙集和支持向量機(jī)水電機(jī)組振動(dòng)的故障診斷模型。運(yùn)用粗糙集理論對(duì)水電機(jī)組振動(dòng)信號(hào)的屬性特征進(jìn)行預(yù)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(jī)的學(xué)習(xí)樣本,通過訓(xùn)練,使構(gòu)建的支持向量機(jī)多分類器能夠反映屬性特征和故障類型的映射關(guān)系,從而達(dá)到故障診斷的目的。測試結(jié)果表明,與常規(guī)方法相比,應(yīng)用粗糙集和支持向量機(jī)相結(jié)合的方法進(jìn)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(diǎn),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(jī)組的振動(dòng)故障特征和基于支持向量機(jī)的水電機(jī)組振動(dòng)故障診斷方法。以二值分類為基礎(chǔ),構(gòu)建了基于支持向量機(jī)的多值分類器。先對(duì)水電機(jī)組的振動(dòng)信號(hào)進(jìn)行頻譜分析,提取該信號(hào)在頻率域的特征量,將頻譜特征向量作為學(xué)習(xí)樣本,通過訓(xùn)練,使分類器能夠建立頻譜特征向量和故障類型的映射關(guān)系,從而達(dá)到故障診斷的目的,并以水電機(jī)組振動(dòng)多故障分類為例,進(jìn)行了應(yīng)用檢驗(yàn)。結(jié)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(jī)組振動(dòng)故障的診斷。該方法為水電機(jī)組故障診斷向智能化發(fā)展提供了新的途徑。

針對(duì)水電機(jī)組故障信息缺乏、故障識(shí)別困難等問題,提出基于支持向量機(jī)的水電機(jī)組故障診斷模型.并針對(duì)實(shí)測水電機(jī)組故障數(shù)據(jù),分析支持向量機(jī)水電機(jī)組故障診斷模型和常用的神經(jīng)網(wǎng)絡(luò)故障診斷模型等理論在水電機(jī)組故障診斷中的優(yōu)劣.研究表明,支持向量機(jī)理論在小樣本情況下比神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的診斷能力.

針對(duì)水電機(jī)組故障樣本少的問題,將支持向量機(jī)引入水電機(jī)組故障診斷研究,提出一種結(jié)合小波頻帶分解與最小二乘支持向量機(jī)的水電機(jī)組故障診斷模型?；跈C(jī)械設(shè)備\"能量-故障\"映射關(guān)系,運(yùn)用小波分解提取機(jī)組振動(dòng)信號(hào)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(jī),實(shí)現(xiàn)對(duì)機(jī)組不同故障類型的識(shí)別。通過實(shí)驗(yàn)信號(hào)分析,表明將小波能量提取與支持向量機(jī)結(jié)合進(jìn)行水電機(jī)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(jī)組故障診斷提供了新的方法和思路。

為提高水電機(jī)組故障診斷的準(zhǔn)確率,提出基于優(yōu)化支持向量機(jī)多分類器的水電機(jī)組故障診斷方法。支持向量機(jī)(supportvectormachine,簡稱svm)在解決小樣本問題上有著突出的表現(xiàn),針對(duì)其參數(shù)設(shè)置采用人工蜜蜂群(artificialbeecolony,簡稱abc)進(jìn)行參數(shù)優(yōu)化。建立基于fisher加權(quán)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(jī)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(yàn)?zāi)Ｊ椒纸夥?differentialempiricalmodedecomposition,簡稱demd)提取的分量作為輸入特征向量,應(yīng)用融合模型對(duì)水電機(jī)組故障進(jìn)行診斷,以投票為決策方法。實(shí)驗(yàn)結(jié)果表明該模型對(duì)于未經(jīng)優(yōu)化的支持向量機(jī)和特征提取以及單一的分類器,能有效提高故障識(shí)別的準(zhǔn)確率。

本文主要針對(duì)旋轉(zhuǎn)機(jī)械的故障診斷問題,設(shè)計(jì)了基于labview的旋轉(zhuǎn)機(jī)械振動(dòng)測試系統(tǒng),該系統(tǒng)通過軟件編程來實(shí)現(xiàn)振動(dòng)信號(hào)的存儲(chǔ)、分析及特征提取,并且提出了基于支持向量機(jī)的智能故障診斷方法,該方法將特征向量直接輸入到支持向量機(jī)分類器中進(jìn)行故障識(shí)別,結(jié)果表明支持向量機(jī)對(duì)于機(jī)械故障有較好的分類效果。

針對(duì)遼寧省桓仁水電站計(jì)算機(jī)監(jiān)控系統(tǒng)的機(jī)組振動(dòng)故障診斷功能缺陷,提出了基于灰色關(guān)聯(lián)分析的水電機(jī)組振動(dòng)故障診斷方案.事實(shí)證明該診斷方案具有良好的實(shí)際應(yīng)用效果,可以有效提高桓仁水電站機(jī)組檢修效率.

提出了一種開發(fā)水電機(jī)組故障診斷專家系統(tǒng)的設(shè)計(jì)思想及實(shí)現(xiàn)方法.通過采用產(chǎn)生式規(guī)則來表示知識(shí),運(yùn)用正反向推理機(jī)制,動(dòng)態(tài)豐富知識(shí)庫,實(shí)現(xiàn)水電機(jī)組振動(dòng)的在線(離線)監(jiān)測和故障診斷,并提供診斷結(jié)果和相應(yīng)的故障處理措施,為水電廠從計(jì)劃檢修向狀態(tài)檢修提供可靠的技術(shù)保證.該系統(tǒng)具有人機(jī)界面友好、運(yùn)行速度快、信息存儲(chǔ)量大、開發(fā)周期短、易于維護(hù)、擴(kuò)充等特點(diǎn)

介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和bp網(wǎng)絡(luò)模型及算法，并將神經(jīng)網(wǎng)絡(luò)中的bp模型應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對(duì)診斷系統(tǒng)性能的影響。實(shí)驗(yàn)證明，基于bp網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法具有較高的實(shí)用價(jià)值。

將人工智能引入水輪發(fā)電機(jī)組的故障診斷,有利于大中型水電廠“無人值班(少人值守)”管理模式的加速發(fā)展。本文首先簡單介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和bp網(wǎng)絡(luò)模型及算法,然后將神經(jīng)網(wǎng)絡(luò)中的bp模型應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中,比較了選擇不同的網(wǎng)絡(luò)參數(shù)對(duì)診斷系統(tǒng)性能的影響。實(shí)驗(yàn)證明,基于bp網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法具有很高的實(shí)用價(jià)值。

本文首先簡單介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和bp網(wǎng)絡(luò)模型及算法，在此基礎(chǔ)上將神經(jīng)網(wǎng)絡(luò)應(yīng)用于水電機(jī)組振動(dòng)故障診斷中。試驗(yàn)證明，基于神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振動(dòng)故障診斷方法具有很高的實(shí)用價(jià)值。

介紹了國內(nèi)水電機(jī)組振動(dòng)監(jiān)測與故障診斷技術(shù)的理論研究及應(yīng)用，并與國外的情況進(jìn)行了比較，指出了今后的發(fā)展方向。

提出了綜合考慮風(fēng)電機(jī)組轉(zhuǎn)速及輸入/輸出軸水平和垂直方向振動(dòng)信號(hào),對(duì)故障數(shù)據(jù)依照轉(zhuǎn)動(dòng)周期分組后分別對(duì)每個(gè)周期的時(shí)域指標(biāo)進(jìn)行提取,而后基于svm(支持向量機(jī))對(duì)提取后的數(shù)據(jù)進(jìn)行4種狀態(tài)下故障分類的方法。測試結(jié)果表明,該方法簡單有效,具有很好的故障識(shí)別能力,適合風(fēng)電機(jī)組齒輪箱故障診斷。

大型水電機(jī)組的狀態(tài)監(jiān)測與故障診斷技術(shù)還遠(yuǎn)遠(yuǎn)沒有成熟,這就要求在今后的研究工作中,不斷地提高已有的知識(shí)水平,完善知識(shí)體系。以下幾個(gè)方面需要在今后的研究工作中進(jìn)行更加深入細(xì)致的研究:①水電機(jī)組設(shè)備龐大,結(jié)構(gòu)復(fù)雜,誘發(fā)故障的因素多、水電機(jī)組故障率高、技術(shù)難度大;②水力流體因素、振動(dòng)因素、電磁因素是相互影響的3個(gè)難點(diǎn),是以后要繼續(xù)研究的重要課題。

重點(diǎn)介紹了水電機(jī)組實(shí)施工況監(jiān)測的主要工況及其分析診斷技術(shù),并在總結(jié)現(xiàn)場試驗(yàn)研究的基礎(chǔ)上,給出了水電機(jī)組運(yùn)行設(shè)備工況監(jiān)測與分析診斷的故障類型。

對(duì)當(dāng)前水電機(jī)組故障診斷系統(tǒng)的現(xiàn)狀進(jìn)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(jì)算機(jī)監(jiān)控系統(tǒng)和信息管理系統(tǒng)相結(jié)合的方法,基于研究開發(fā)了水電機(jī)組狀態(tài)監(jiān)測與故障診斷系統(tǒng),達(dá)到了充分利用現(xiàn)有資源,提供智能決策參考的目的

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

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

在電廠中,水電機(jī)組是其中十分重要的一個(gè)設(shè)備,其運(yùn)行狀態(tài)與水電廠運(yùn)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(jìn)步的情況下,水電機(jī)組就必須向著以下幾個(gè)方面發(fā)展:效率更高;容量更大;轉(zhuǎn)速更快;水頭更高等,除此之外,為了能夠更好的滿足當(dāng)前時(shí)代對(duì)機(jī)組的更高需求,還應(yīng)該盡量選擇具有高強(qiáng)度的材料以及靈活性更高的構(gòu)件.為了能夠讓水電組實(shí)現(xiàn)更加穩(wěn)定、安全且可靠的運(yùn)行,就需要在線監(jiān)測水電組的運(yùn)行狀態(tài)并進(jìn)行相應(yīng)的診斷分析,為了能夠提高這些工作的準(zhǔn)確性和效率,可以在這個(gè)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(guān)數(shù)據(jù)信息上傳到計(jì)算機(jī)網(wǎng)絡(luò)中,進(jìn)行相應(yīng)的監(jiān)測分析,從而更好的排查機(jī)組運(yùn)行過程中存在的問題,并及時(shí)的采取合理的措施加以解決,避免機(jī)組運(yùn)行過程中出現(xiàn)故障問題.為此,本文對(duì)水電機(jī)組狀態(tài)監(jiān)測與故障診斷技術(shù)進(jìn)行了相關(guān)研究與分析,為后續(xù)相關(guān)工作的進(jìn)行提供了一定的參考和依據(jù).

水輪發(fā)電機(jī)組振動(dòng)故障診斷技術(shù)的研究具有重要意義。通過概述振動(dòng)故障診斷的國內(nèi)外研究現(xiàn)狀,詳細(xì)介紹了目前應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中的幾種主要技術(shù)方法,并指出了水輪發(fā)電機(jī)組振動(dòng)故障診斷技術(shù)的未來發(fā)展趨勢。

水輪發(fā)電機(jī)組運(yùn)行中劇烈振動(dòng)故障診斷及處理 汪文波，趙鴻 （甘肅電投河西水電開發(fā)有限責(zé)任公司，甘肅張掖734000） 摘要：在龍首一級(jí)水電站4#水輪發(fā)電機(jī)組的運(yùn)行中，經(jīng)常出現(xiàn)劇烈振動(dòng)，對(duì)該故障進(jìn)行多次診斷和處 理后，最終找到故障原因是軸系產(chǎn)生了自激振動(dòng)，而主軸的剛度是引起自激振動(dòng)的內(nèi)因，水力是誘發(fā)自 激振動(dòng)的外因。同時(shí)，提供了故障處理方法，并在實(shí)際使用中能有效的解決水輪發(fā)電機(jī)組運(yùn)行中劇烈振 動(dòng)的問題。 關(guān)鍵詞：水輪發(fā)電機(jī)組；劇烈振動(dòng)；分析處理 1.電站概況 龍首一級(jí)水電站工程位于甘肅省張掖市西南30km黑河干流上，電站總庫容1320×104m3，屬日調(diào)節(jié) 水庫。極端最高氣溫38℃，極端最低氣溫-33℃，電站海拔高度1700m，地震基本烈度ⅷ度，多年平均含 沙量1.4kg/m3。電站裝機(jī)總?cè)萘?9kw，共四臺(tái)混流式水輪發(fā)電機(jī)組，單機(jī)容量為15mw（1#～3#機(jī)

介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和ｂｐ網(wǎng)絡(luò)模型及算法，并將神經(jīng)網(wǎng)絡(luò)中的ｂｐ模型應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對(duì)診斷系統(tǒng)性能的影響。實(shí)驗(yàn)證明，基于ｂｐ網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法具有較高的實(shí)用價(jià)值。