关键词： 水电机组   故障诊断   奇异值分解   深度置信网络  

摘要： 水电资源作为清洁能源的代表,其可靠地供应能够有效地解决环境污染问题,维持经济和社会的可持续发展,因此,在实际生产中保证水电机组安全稳定运行尤为重要。据统计,水电机组中超过80%的故障都在振动信号中有所体现,因此,有效地分析和提取水电机组振动信号特征,准确地诊断故障,对水电机组的安全稳定运行具有重要意义。本文以水电机组的振动故障为研究对象,提出了一种基于奇异值分解和深度置信网络多分类器的水电机组故障诊断方法。主要的研究内容和成果有:首先,针对水电机组早期故障信号信噪比低的问题,采用了基于奇异值分解的水电机组振动信号降噪方法,并进行仿真验证。对包含噪声的振动信号构造Hankel矩阵,并对其进行奇异值分解,在相空间重构过程中对构造的Hankel矩阵的有效奇异值的四种阈值选择方法进行研究,经过对比,得出奇异值差分谱法的降噪效果优于其他三种奇异值阈值选择方法的降噪效果。同时将奇异值差分谱法的降噪效果与小波变换的降噪效果进行对比,得出奇异值差分谱法降噪效果明显优于小波变换的降噪效果。然后,针对水电机组振动信号特征向量构造复杂的问题,采用了基于奇异值分解的水电机组振动信号特征提取方法,并进行仿真验证。利用降噪后的振动信号构造吸引子轨道矩阵,并对其进行奇异值分解,以分解出的奇异值序列作为降噪后振动信号的特征向量。通过仿真分析得出该方法能够可靠、有效地获得各种状态的真实特征。其次,针对传统的浅层神经网络分类器在分类时容易发生过拟合和陷入局部最优的问题,采用了基于深度置信网络多分类器的水电机组故障诊断方法。研究了深度置信网络的结构和训练过程,对深度置信网络在水电机组故障诊断模型建立过程中的节点数、权值、偏置等相关参数的设置和诊断过程进行了探讨。最后,通过工程实例验证本文所提出的水电机组故障诊断方法。将该方法与深度置信网络子分类器、BP神经网络、多分类支持向量机等分类器和奇异值中值法、小波变换等降噪方法进行对比,并用未知故障类型样本进行验证,结果表明,本文所提出的水电机组故障论断方法识别准确率更高、运算速度更快,能够更加稳定、可靠、高效地识别出水电机组的故障类型,具有一定的应用价值。

关键词： 水电机组   状态监测,故障诊断   技术应用  

摘要： 随着人们对于水电资源需求量的增加,我国水电厂规模的不断扩大,技术水平也在不断提高,现代化水电机组的功能要求越来越复杂,单机容量也越来越大,这在给人们带来便利的同时也在一定程度上增加了机组设备发生运行故障的几率。为了能够给人们提供稳定可靠的水电资源,对水电厂的机组设备运行状态进行实时监测,发现故障及时进行诊断维修是十分有必要的。本文就水电机组状态监测与故障诊断技术的实际应用情况进行了详细分析。

关键词： 推力轴承   冷却系统   应急处理  

摘要： 推力轴承冷却系统是水轮发电机组的重要辅助设备,其正常运行是机组连续运行的重要保障。现结合某电站推力轴承冷却系统运行情况,对冷却系统常见故障进行了系统分析,提出应急处置措施,并列举了两个冷却系统故障应急处理实例供参考。

关键词： 水电机组   调速系统   故障   智能诊断  

摘要： 调速系统是水轮发电机组进行频率和负荷调整的执行系统,对机组及电力系统稳定运行具有重要作用。经过多年的技术发展和积累,调速系统故障诊断功能已非常完善,但其智能运行还需对故障诊断系统进行丰富和细化。某电站调速系统出现偶发性缺陷后,调速系统不能自动进行故障点的确认,需要进行大量的试验和分析。本文通过故障回路分析和处理,提出了一种调速系统故障智能诊断新方法,将关键过程信号值引入故障判断机制,对调速器调节过程全程监视,实现调速系统全智能诊断分析与定位。

关键词： 水电机组   振动   故障诊断   贝叶斯网络   SOM神经网络   EM算法  

摘要： 水电站的状态监测系统积累了大量的监测数据,但由于现场专家缺乏,目前这些数据没有得到很好的利用,如何挖掘这些数据并结合专家经验对水电机组进行故障诊断是本文研究的重点。本文提出了一种基于贝叶斯网络的水电机组振动故障诊断模型。根据专家经验获得贝叶斯网络结构和部分节点参数,通过SOM神经网络对数据信号进行离散化处理,利用EM算法参数学习获得其他节点的概率分布,搭建基于贝叶斯网络的子系统模型,并将子系统模型整合成完整的系统模型。文章最后通过设计试验,验证了所建模型诊断结果的正确性和合理性。

关键词： 水电机组   故障诊断   概率神经网络  

摘要： 针对水电机组的物理结构较为复杂,工作状况相对恶劣,故障发生率较高等问题,提出了一种基于概率神经网络的水电机组故障诊断方法,利用概率神经网络建立分类模型,并结合水电机组的振动信号分析,实现对水电机组的故障判断和故障类型识别。准确有效的水电机组故障识别与判断,对于水电企业生产与设备检修都具有重要意义及参考价值。

关键词： 水电机组   振动   特征量提取   故障诊断  

摘要： 故障诊断技术是保证水轮发电机组安全可靠运行的关键。本文描述了水轮发电机组的振动特性、特征量提取、故障诊断方法,对现有方法进行归类并分析其优缺点,介绍了近年来国内外水电机组振动故障诊断研究最新进展及应用情况,探讨了水电机组故障诊断技术未来可能的发展趋势。

关键词： 故障预警   Teager能量算子   神经网络预测   自编码器   K均值聚类  

摘要： 针对当前常用的基于基线值和3σ方法的固定阈值预警方法存在预警不及时问题,本文提出了一种基于振动信号Teager能量的趋势预测和K均值聚类的预警方法。该方法通过预测值和历史能量序列的聚类完成信号能量"跃迁"的判断,进而识别机组运行状态的变化以实现故障预警。经实际数据验证,本文提出的方法可有效对机组突变故障进行预警。

关键词： 多维特征   多分类器   样本熵   水电机组   故障诊断  

摘要： 提出了一种基于多维特征和多分类器的水电机组故障诊断方法。通过提取水电机组不同状态下振动信号的时域特征、频域特征和集合经验模态分解-样本熵,构建多维特征,实现特征信息的多维互补,并利用遗传算法对构建的多维特征进行降维处理。以此多维特征作为分类器的输入,分别通过支持向量机、反向传播神经网络和朴素贝叶斯分类器进行故障诊断,将三种分类器的初步诊断结果进行融合得到最终诊断结论,从而提高水电机组故障诊断的准确率。为验证该方法的有效性,将转子不平衡、转子不对中、转子碰磨等故障在转子试验台上进行模拟,并用上述方法进行诊断,结果表明,较单维特征和单分类器,多维特征输入和多分类器融合的故障诊断准确率更高。

关键词： 水电机组   故障诊断   多重分形   概率神经网络   人工鱼群算法  

摘要： 水电机组振动信号属于非线性、非平稳信号,在不同尺度下呈现一定的相似性,是典型的分形信号。本文运用多重分形方法分析机组振动信号,提取信号的广义维数谱特征,并应用人工鱼群算法优化的概率神经网络进行故障诊断。诊断实例表明,多重分形和概率神经网络结合,能够准确辨别故障类型。与BP和RBF网络相比,该方法诊断识别率更高,速度更快,为机组运行维护人员提供更为可靠的参考依据。