小波包分析和支持向量機的水電機組振動故障診斷研究

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(fù)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(yīng)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(jié)果。結(jié)合1-v-1方法實現(xiàn)支持向量機的多類分類,導(dǎo)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(yīng)用于某水電廠機組振動故障診斷。所得結(jié)果與單純1-v-1多類支持向量機方法比較,結(jié)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(yīng)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(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的學(xué)習(xí)樣本,通過訓(xùn)練,使構(gòu)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(guān)系,從而達到故障診斷的目的。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相結(jié)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。

針對水電機組故障信息缺乏、故障識別困難等問題,提出基于支持向量機的水電機組故障診斷模型.并針對實測水電機組故障數(shù)據(jù),分析支持向量機水電機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組故障診斷中的優(yōu)劣.研究表明,支持向量機理論在小樣本情況下比神經(jīng)網(wǎng)絡(luò)具有更強的診斷能力.

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(jié)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?；跈C械設(shè)備\"能量-故障\"映射關(guān)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(jié)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。

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(shè)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(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?zāi)Ｊ椒纸夥?differentialempiricalmodedecomposition,簡稱demd)提取的分量作為輸入特征向量,應(yīng)用融合模型對水電機組故障進行診斷,以投票為決策方法。實驗結(jié)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。

本文主要針對旋轉(zhuǎn)機械的故障診斷問題,設(shè)計了基于labview的旋轉(zhuǎn)機械振動測試系統(tǒng),該系統(tǒng)通過軟件編程來實現(xiàn)振動信號的存儲、分析及特征提取,并且提出了基于支持向量機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分類器中進行故障識別,結(jié)果表明支持向量機對于機械故障有較好的分類效果。

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(guān)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(yīng)用效果,可以有效提高桓仁水電站機組檢修效率.

提出了一種開發(fā)水電機組故障診斷專家系統(tǒng)的設(shè)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(jié)果和相應(yīng)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(shù)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(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)電機組振動故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對診斷系統(tǒng)性能的影響。實驗證明，基于bp網(wǎng)絡(luò)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。

將人工智能引入水輪發(fā)電機組的故障診斷,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)電機組振動故障診斷中,比較了選擇不同的網(wǎng)絡(luò)參數(shù)對診斷系統(tǒng)性能的影響。實驗證明,基于bp網(wǎng)絡(luò)的水輪發(fā)電機組振動故障診斷方法具有很高的實用價值。

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)用于水電機組振動故障診斷中。試驗證明，基于神經(jīng)網(wǎng)絡(luò)的水電機組振動故障診斷方法具有很高的實用價值。

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

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

提出了綜合考慮風(fēng)電機組轉(zhuǎn)速及輸入/輸出軸水平和垂直方向振動信號,對故障數(shù)據(jù)依照轉(zhuǎn)動周期分組后分別對每個周期的時域指標進行提取,而后基于svm(支持向量機)對提取后的數(shù)據(jù)進行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,具有很好的故障識別能力,適合風(fēng)電機組齒輪箱故障診斷。

作為電廠的重要設(shè)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(shè)的發(fā)展不斷加快，水電機組開始往高效率、大容量、高轉(zhuǎn)速以及高水頭的設(shè)計方向進行發(fā)展，在設(shè)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(gòu)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(luò)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(shù)和故障診斷技術(shù)進行了分析。

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(shù),并在總結(jié)現(xiàn)場試驗研究的基礎(chǔ)上,給出了水電機組運行設(shè)備工況監(jiān)測與分析診斷的故障類型。

對當(dāng)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(jié)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

在電廠中,水電機組是其中十分重要的一個設(shè)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(zhuǎn)速更快;水頭更高等,除此之外,為了能夠更好的滿足當(dāng)前時代對機組的更高需求,還應(yīng)該盡量選擇具有高強度的材料以及靈活性更高的構(gòu)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(yīng)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(guān)數(shù)據(jù)信息上傳到計算機網(wǎng)絡(luò)中,進行相應(yīng)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(shù)進行了相關(guān)研究與分析,為后續(xù)相關(guān)工作的進行提供了一定的參考和依據(jù).

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

水輪發(fā)電機組運行中劇烈振動故障診斷及處理 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：在龍首一級水電站4#水輪發(fā)電機組的運行中，經(jīng)常出現(xiàn)劇烈振動，對該故障進行多次診斷和處 理后，最終找到故障原因是軸系產(chǎn)生了自激振動，而主軸的剛度是引起自激振動的內(nèi)因，水力是誘發(fā)自 激振動的外因。同時，提供了故障處理方法，并在實際使用中能有效的解決水輪發(fā)電機組運行中劇烈振 動的問題。 關(guān)鍵詞：水輪發(fā)電機組；劇烈振動；分析處理 1.電站概況 龍首一級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。電站裝機總?cè)萘?9kw，共四臺混流式水輪發(fā)電機組，單機容量為15mw（1#～3#機

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(luò)構(gòu)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(yīng)用實例。

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)電機組振動故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對診斷系統(tǒng)性能的影響。實驗證明，基于ｂｐ網(wǎng)絡(luò)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。