关键词： 水电机组   故障诊断   信号降噪   特征提取   分类方法  

摘要： 随着水电机组向巨型化、大容量发展,状态监测在保障水电机组安全运行、甚至电网稳定的作用越来越突出。状态监测可以反映机组运行过程中故障信息,例如机组出现转子不平衡故障时,开机过程中振动信号的转频逐渐升高并且振动幅值也随之增大,存在明显的非平稳特性,但是以往状态分析方法都将信号作为平稳信号进行分析,如常用的傅里叶变换。对此,本文对目前状态监测分析中信号降噪、特征提取和特征分类中存在的问题进行研究。　　目前小波降噪方法在信号降噪处理中应用较多,但是普通的软、硬阈值函数的小波降噪方法在降噪过程中会出现系数的恒定偏差和信号的附加振荡问题。针对此问题,本文提出了一种改进阈值函数的小波降噪方法,使阈值函数变换后的系数在阈值点处连续且大于阈值处不会出现系数恒定偏差,既克服了硬阈值降噪产生的附加振荡,也抑制了软阈值降噪存在的过扼杀现象。通过不同降噪方法对模拟和实测信号的降噪效果对比,表明改进阈值的降噪方法在抑制附加振荡和保留信号特征方面都优于原有方法。　　由于机组在开停机等过渡过程中振动信号体现明显的非平稳特性,而根据维格纳-维利分布(WVD)具有良好聚集性的特点,本文通过该方法对机组振动信号进行时频分析,但分析发现其对多分量信号分析时存在交叉项干扰问题,即产生虚假频率。针对此问题本文提出了一种维格纳-维利分布和集合经验模态分解(EEMD)相结合的时频分析方法。首先通过集合经验模态分解将信号分解为频率成分较为单一的若干模态分量,再对每个模态分量进行维格纳-维利分布的时频分析,将每个分析结果进行叠加形成整个信号的时频分析。这样既抑制了维格纳-维利分布的交叉项干扰,又发挥了维格纳-维利分布的高变分辨率的优势,最终将其应用到机组开机过程的振动信号分析中。对比小波分析和短时傅里叶分析结果,表明该方法在机组开机过程能够更加清晰的体现振动频率特征。　　由于水电机组状态监测数据是不断采集的,形成的特征向量越来越多,将成为大规模海量数据集。针对此问题,本文将流挖掘的分类方法引入水电机组故障诊断中。通过在设置窗口内进行关联规则的挖掘和规则存储,即使新的数据不断地产生,分类器只在固定窗口内计算,并根据置信度对关联规则进行更新存储实现分类,达到了对水电机组故障特征进行快速诊断的目的,满足在线故障分类的要求。　　根据本文提出的信号分析处理方法,通过LabVIEW图形编程软件将其实现并应用到水电机组状态监测分析中。通过实测的一段故障信号分别用传统故障诊断方法和本文中提出的故障诊断方法进行分析,本文方法准确判断主要存在故障为轴系不对中故障,与机组特征相符,从而进一步验证了所提出的信号分析及处理方法的正确性。

关键词： 水电机组   转子非线性动力学   轴系振动   EMD   多尺度数学形态学   故障诊断  

摘要： 转子偏心、转子不平衡对中等轴系故障是机组异常振动的主要诱因之一,直接影响到机组的安全稳定经济运行。针对转子质量偏心和转子不平衡等故障耦合现象,基于转子非线性动力学、EMD信号处理和多尺度数学形态学等方法,通过数值模拟和试验分析,开展轴系多故障耦合机制下的水电机组转子运动机理研究,不仅可以揭示转子在不同条件下的非线性动力学特性,明确转子异常振动影响因子主次顺序,同时也为有助于剖析实测振动信号所蕴含的内在故障诱因,提取不同类型振动信号的特征信息,这不仅为水电机组优化设计、技术改造等提供有力的理论依据,也为水电机组故障诊断技术提供了新技术,对该问题的研究具有重要的学术价值和实用意义。本文具体研究了以下内容： 1.基于转子非线性动力学相关理论,参照水电机组运行特性和结构特征进行模型简化,建立了水电机组多故障耦合(转子质量偏心、两轴平行不对中、两轴夹角不对中)下转子非线性动力学模型,进而探讨了机组转速、两轴平行不对中量和两轴角度不对中量等参数对水电机组运行特性的影响,分析了不同参数下水电机组的动态特性,重点研究了机组转子非线性动力学特性。研究表明：通过分析转子运动分岔图、轴心轨迹、庞加莱截面图和频谱图,在多故障耦合机制下转子最终运行状态呈现出三种典型的非线性行为：即平稳周期运动、周期性碰摩运动和复杂的混沌运行现象。 2.进行多故障耦合机制下的水电机组转子振动试验,并针对实测振动信号,基于小波变换原理对不同转速下的试验数据进行了简要分析,验证了在多故障耦合机制下,水电机组转子在不同转速时其运动规律与仿真分析结果一致。 3.利用EMD方法可依据信号本身固有特性进行分解的特征,对不同转速下的水电机组振动测试信号进行分析。研究表明：基于EMD方法可以得到机组振动信号的IMF分量,能量占据主导地位的IMF分量与机组运行状态密切相关,该IMF分量直接由转子系统故障源诱发,因而采用EMD方法能够准确地捕捉到机组振动信号中所蕴含的真实物理意义,准确识别机组运行状态。同时,基于IMF分量能量比进行信号重构,重构信号能够反应机组运行状态信息,能够表征机组主要振动特性。与仿真信号相比较,两者波形基本一致,主要振源频率相似。 4.针对多故障耦合机制下,基于正交试验法对转子运行影响因子(质量偏心、两轴平行不对中和两种夹角不对中量)的主次顺序进行了分析。研究表明：在多故障耦合机制下,偏心所造成的不平衡力对转子动力特性的影响最大,且偏心越大,不平衡力越大,转子振动越剧烈;在低速运行时,由夹角不对中所产生的不对中力,对转子运行特性的影响权重仅次于质量偏心,夹角不对中越大,振动越剧烈;在较高速度运行时,由两轴平行不对中量所产生的不对中力,对转子的影响仅次于质量偏心;在较高速度运行时,转子不平衡力和转子不对中力越大,越容易诱发碰摩现象,且碰摩现象对转速较敏感,在特殊转速下,转子易进入混沌运行状态。 5.运用多尺度数学形态谱和形态谱熵等相关理论,对转速改变时水电机组多故障耦合振动实测信号和平行不对中量改变时的水电机组多故障耦合振动仿真信号进行分析处理。研究表明：基于多尺度数学形态谱和形态谱熵,可将振动信号识别为平稳周期运动、周期性碰摩运动和混沌运动三种类型,采用该方法能够快捷、准确地获得水电机组多故障耦合振动信号特性,完成对振动类型的识别,这不仅为振动信号处理提供了新的方法,也为水电机组故障诊断奠定了基础。

关键词： 水电机组   故障诊断   模糊积分   趋势预测   果蝇优化算法  

摘要： 随着我国水电事业的迅猛发展，水电以其在电力行业调峰的重要作用以及巨大的潜在资源，受到了世界各国的高度重视。水电机组的单机容量变得越来越大，并且在电力系统中所占的比例也呈现快速增长的趋势。水电机组一直都被视为水电企业的核心设备，其运行的安全性与机组自身的健康状态与水电企业的安全性与经济效益有着密切的关系，水电机组一旦发生事故，就会造成严重的安全事故并可能导致巨大的经济损失。因此，水电机组的安全性、可靠性和稳定性既是水电企业追求的目标，也是许多学者研究的热点。水电机组故障诊断与状态趋势的预测能为掌握机组的状态提供技术支持，从而有助于降低机组事故率，减少经济损失。本文总结了这一领域的研究现状，以水电机组振动机理为基础，应用模糊积分融合多分类器的方法对水电机组进行了故障诊断，并将智能算法优化后的广义回归神经网络应用于水电机组的状态趋势预测，主要的工作包括以下两个部分： 第一部分是基于模糊积分的水电机组故障诊断的研究。 应用小波包能量算法提取水电机组的故障特征，提出了一种基于模糊积分融合的多分类器组合诊断模型，采用一种加权方法改进了传统的朴素贝叶斯分类器，并将其与马氏距离分类器、BP神经网络作为子分类器，通过模糊测度表征子分类器相互间的作用，最后使用模糊积分融合三个子分类器的输出结果而得到最终的诊断结果，仿真实验表明基于模糊积分融合的的诊断模型不仅具有较高诊断的准确率，而且相对于单一的诊断方法其泛化性有一定程度的提高。 第二部分是关于智能算法优化的广义回归神经网络状态趋势预测的研究。 本部分将混沌理论中关于时间序列预测的理论应用到水电机组振动状态趋势预测中，分析了水电机组的振动序列相空间重构中嵌入维数和延时参数选择的问题，应用果蝇优化算法优化选择广义回归神经网络的分布参数（spread），将优化后的广义回归神经网络应用到水电机组的振动状态趋势预测中，在与BP神经网络的预测结果均方误差的对比中可看出，该模型有较高的稳定性与预测精度，对于信号趋势走向的反映相对比较准确。这种模型为预测机组的运行状况提出了一种新的方法，从而为了解机组状态变化的规律提供了强有力的技术支持。

关键词： 粗糙集   BP神经网络   人工鱼群   水电机组   故障诊断  

摘要： 将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明:该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。

关键词： 大唐重庆彭水电厂   状态监测   故障诊断   TN8000  

摘要： 通过描述大唐重庆彭水电厂TN8000水电机组状态监测分析故障诊断系统的构成、传感器选型、测点布置和该系统的功能,总结了系统运行近两年的运行状况和对水电厂生产运营的指导作用,说明了在电厂应用该系统的重要意义。

关键词： 水轮发电机   设备状态监测   故障诊断方法  

摘要： 大型水电机组的状态监测与故障诊断技术还远远没有成熟,这就要求在今后的研究工作中,不断地提高已有的知识水平,完善知识体系。以下几个方面需要在今后的研究工作中进行更加深入细致的研究:①水电机组设备庞大,结构复杂,诱发故障的因素多、水电机组故障率高、技术难度大;②水力流体因素、振动因素、电磁因素是相互影响的3个难点,是以后要继续研究的重要课题。

关键词： 水电机组   故障分类   数据流   关联分类  

摘要： 引进一种数据流关联规则分类法(AC-DS),并应用该方法对UCI机器学习库中标准数据集进行分类验证,验证结果表明该方法准确且有效。然后将该方法应用到水电机组故障的诊断分类中,证明该方法的分类精度随着测试样本的增加而增加。该方法对现场不同类型机组故障分类有一定意义。

关键词： 振动摆度   压力脉动   局部放电   实时采集   状态检修  

摘要： 概略地介绍了TN8000水电机组状态监测分析故障诊断系统的作用及适用范围,画出了系统的网络构成图,详细介绍了系统的各种功能,给出了该系统在实际工程中的应用实例。

关键词： 水电机组   粗糙集   支持向量机   故障诊断   样本交叠  

摘要： 水电机组故障大多以振动的形式表现出来,其成因非常复杂,机组故障和振源缺乏非此即彼和一一对应的显明关系,故障样本存在交叠区域。常规水电机组故障诊断分类器没有考虑分类问题的交叠区域,而处在交叠区域的样本的分类难度大,且含有不确定信息。针对这一问题,提出一种新的粗糙集与一对一多类支持向量机结合的诊断方法,该方法利用粗糙集基本理论对支持向量机的分类结果进行描述,对于可能存在样本交叠的分类间隔区域进行进一步处理。诊断分两阶段进行,第一阶段采用粗糙集理论将故障样本划分为某类的上近似集、下近似集,属于下近似集的样本认为被确切分类。第二阶段,对于属于上近似集而不属于下近似集的样本,采用一种基于距离的可信度来判断其属于某一类的程度。此分类方法考虑了水电机组故障模式中可能存在样本交叠的间隔区域,经数值试验和工程应用检验,更符合实际情况,且对于其他电力设备的故障诊断具有借鉴意义。

关键词： 水电机组   故障诊断   改进人工鱼群   粗糙集   规则  

摘要： 针对水电机组大量的现场监测数据信息,基于传统的人工智能方法对故障信息不能及时有效地分析的问题,提出了一种基于改进人工鱼群优化粗糙集的水电机组故障诊断方法.首先,利用鱼群的寻优聚群行为对连续属性进行离散化,然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,再用提取的规则对水电机组故障进行诊断.仿真结果表明:与传统方法相比,该算法能够提高水电机组故障诊断的准确率.