关键词： 水电工程   故障诊断   信息融合   改进D-S证据理论   水电机组  

摘要： 针对常规水电机组振动故障诊断技术中易出现错判及诊断可靠性低等问题,提出了一种基于改进D-S证据理论的集成故障诊断方法。根据水电机组振动故障的频域信号,由模拟退火粒子群混合算法来处理证据理论的基本概率分配问题。再利用改进D-S理论来实现可信度分配的合理赋值,最后进行多信息的融合决策。实例表明,该方法可以在原始证据出现高度冲突以及相一致的情况下,都具有较高的诊断可信度,从而实现了对水电机组振动故障模式的有效识别。

关键词： 水电机组   故障诊断   智能   仿医疗   状态监测   试验辅助诊断  

摘要： 水轮发电机组的故障诊断过程和人类求医问药的医疗诊断过程有很强的相似性。本文从论述两者相似性入手,深入分析了水电设备故障诊断的难点和现状,指出了对智能故障诊断的两个错误认识:一是将智能诊断理想化、绝对化,拒绝技术工作人员的创造性参与;二是将智能诊断系统建立在能自动采集的状态监测、计算机监控系统等基础之上,忽略了诊断型试验、处方型试验、日常运行记录等一些不能自动获取数据、资料的辅助诊断手段。文章提出的"仿医疗"水电机组故障诊断系统是一全面借鉴医疗诊断过程和原理的交互型智能系统,可在状态监测、工作日志等过去资料汇总分析基础上做出故障类型划分和初步诊断,并根据需要提出辅助于故障判断的诊断型试验步骤及方案,协助确诊。该系统还包含辅助于确定故障处理或检修方案的处方型试验,借此获得最佳解决方案。文章以机械、电磁和水力等三种不稳定的区分、水轮机转轮叶片裂纹原因分析及机组动态不平衡处理等为例介绍了"仿医疗"智能诊断系统概略架构设想。

关键词： 水电机组   故障诊断   径向基多小波神经网络   径向基神经网络  

摘要： 针对常规神经网络收敛速度慢,难以实现水电机组故障在线学习的不足,提出基于径向基多小波神经网络的水电机组故障诊断方法.采用多小波尺度函数作为径向基多小波神经网络的核函数,建立网络模型.利用水电机组振动信号频谱分量的幅值作为特征向量,对网络进行训练,实现特征样本集到振动故障集的有效映射,达到水电机组故障诊断的目的.实验结果表明:与常规神经网络的诊断方法相比,径向基多小波神经网络水电机组故障诊断方法具有较快的收敛速度和较好的泛化能力,为水电机组故障在线学习和诊断提供了有效的解决途径.

关键词： 水电机组   振动故障   多重分形谱   小波系数   改进BP神经网络  

摘要： 本文建立了小波分析、多重分形谱和改进BP神经网络相结合的水电机组振动故障诊断模型。该模型首先利用小波分解对振动信号波形进行去噪提纯,得到各种故障信号的小波近似系数,应用多重分形谱算法提取出振动故障的特征向量,并将该特征向量作为BP神经网络的输入向量进行分类识别。该模型直接通过振动波形提取信号特征,避免提取其频谱特性,并结合先进的多重分形谱进行诊断识别,为水电机组故障诊断提供了一种新的方法。应用实例表明,该方法能够提高诊断的智能化和人性化,增强了人机交互性,识别结果令人满意。

关键词： 水轮发电机组   故障诊断   专家系统   混合模型推理  

摘要： 根据近年来水电厂对机组状态监测的需求与故障诊断技术的发展状况,基于原HM9000水电机组远程在线监测分析系统的基础,设计开发了一套开放式水电机组故障诊断专家系统软件平台,通过搜集、整理和分析部分常见故障案例,并吸收归纳本领域部分专家的诊断经验,对诊断经验实现了知识化、规则化和可用化。结合三峡集团公司大型诊断中心的建设,实现了部分故障的智能诊断,为机组状态检修提供了依据。

关键词： 动力机械工程   故障诊断   小波网络   水电机组   蚁群算法  

摘要： 针对传统小波网络在进行故障诊断时存在收敛速度慢,对初始参数敏感的缺陷,提出了基于蚁群初始化小波网络的水电机组振动故障诊断方法。该方法采用蚁群算法对小波网络的参数进行初步寻优,将优化后的参数作为小波网络的初始化参数;利用水电机组振动信号频谱分量的幅值作为特征向量,对蚁群初始化小波网络进行训练,实现振动特征集到故障集的有效映射,达到故障诊断的目的。实例诊断结果表明:与传统小波网络及蚁群优化小波网络相比,基于蚁群初始化小波网络的水电机组振动故障诊断方法具有较快的收敛速度和较强的泛化能力,为水电机组振动故障在线诊断提供了有效的解决方案。

关键词： 信息融合   水电机组   故障诊断   证据理论   粒子群神经网络  

摘要： 针对传统方法在水电机组振动故障诊断中存在准确度不高的问题,引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域,采用2个并行的粒子群神经网络进行局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合。结果表明,该方法可有效地提高诊断可信度,减少诊断的不确定性。

关键词： 水轮发电机组   振动   故障诊断   时频分析   信号处理  

摘要： 针对某电站异常振动机组,实测不同水头下水力发电机组的顶盖、推力机架、大轴振动、振动情况和尾水管的压力脉动,分析振动峰值等变量与负荷变化的关系,并结合HHT频谱分析方法计算其振动频率。研究表明:机组振动频率主要集中在7.5Hz(此频率为叶片通过频率),且振动随着负荷增大而增加,可诊断该现象是水力激振引发的机组振动,该振动结果在机组检修中得到验证,充分证明了该方法的可靠性,这为水电机组的故障振动提供了有益的理论依据。

关键词： 盲源分离   EEMD   水电机组转子系统   振动信号   故障诊断  

摘要： 转子系统发生振动时产生的信号是多个故障源振动信号的混合,如何分离出混合信号中的各个故障源振动信号,是进行水电机组转子系统故障诊断的关键;针对此问题,采用一种基于EEMD-PCA-ICA的自适应单入多出盲源分离法,通过转子系统故障的实验研究表明,该算法具有很好的分离效果。

关键词： 水电机组   故障诊断   随机近邻嵌入   基于核函数的方法  

摘要： 水电机组作为小水电生产过程中的核心设备,它的运行状况不仅关系到水电厂的安全还直接关系到水电厂能否向电网安全、经济地提供可靠电力。由于水电机组具有构造复杂,机组运行呈季节性,异常振动诱发因素多等特点,日益影响着电网的安全稳定运行。因此,对水电机组进行运行状态监测和故障诊断,确保水电机组安全、可靠、稳定运行,使其发挥最大的发电效益,具有十分重要的意义。传统的故障诊断方法主要基于专业技术人员的经验和知识来推理诊断。这种过分依赖于个人经验和知识的方法目前仍在水电机组故障诊断中占主导地位,其弊端是显而易见的。因此,必须提高设备故障诊断的自动化和智能化程度,实现对设备的高效、可靠的智能诊断。本文分析了随机近邻嵌入分析系列方法的特点,并将其应用在水电机组故障诊断中。具体工作包含以下4个方面：(1)针对随机近邻嵌入分析系列方法的非线性本质和无监督学习特征等问题,提出了一种线性有监督的特征提取方法,称为判别随机近邻嵌入分析方法。该方法的优势主要包括：通过输入样本的类别信息构建数据分布的联合概率表达式,用于反映同类和异类数据间的相似度,使得方法具有监督性；引入线性投影矩阵生成子空间数据,使得方法呈现线性本质。对比实验表明,所提方法不仅具有较好的可视化能力,而且能够有效地对不同类别的数据进行降维分簇,提升后续模式分类器的鉴别效果。(2)针对判别随机近邻嵌入分析方法计算量复杂且不适合多样本数据等问题,提出了一种快速判别随机近邻嵌入分析方法。该方法通过引入K最近邻分类算法的思想,减少样本量来计算样本相似度,其在保证识别率的前提下减少了算法的运行时间。(3)提出核判别随机近邻嵌入分析方法。该方法在判别随机近邻嵌入分析方法的基础上,通过引入核函数将原空间中的样本映射到高维核空间中,构建了用于反映同类和异类数据间相似度的联合概率表达式。其突出了异类样本间的特征差异,使样本变得线性可分,从而提高了分类性能。(4)将所提的核判别随机近邻嵌入分析方法应用在轴心轨迹特征提取上,以达到对水电机组进行故障诊断的应用。仿真实验证明了该方法在水电机组故障诊断上的有效性和可行性。