关键词： 水电机组   状态监测   故障诊断   状态检修   远程诊断  

摘要： 结合所研发的水电机组远程状态监测、跟踪分析与故障诊断系统,讨论了水电机组状态与诊断相关技术,介绍了系统的网络化体系结构、主要功能、关键技术及实现方法.该系统具有基于Internet/Intranet的开放式结构,实现了远程监测诊断,功能完备且面向实际.实际应用表明,该系统兼具技术的先进性和实用性,运行稳定可靠,可广泛应用于各类水电机组状态监测与故障诊断场合.

关键词： 魏家堡水电站   振动故障   试验   诊断  

摘要： 本文针对魏家堡水电站的机组振动故障,通过转速试验、励磁试验和负荷试验测得各种工况下机组的振动参数,分析了机组产生异常振动的原因,并做出相应处理,解决了该电站的机组振动故障。

关键词： 小波变换   小波包   频带分析   水轮机主轴   灰色系统   故障预测  

摘要： 基于神经网络“能量―故障”映射关系,提出将小波频带分析与灰色预测理论相结合进行水电机组故障预测。运用小波分解提取各频带能量,应用预测理论建立水电机组故障特征量的预测模型,预测各频率成分能量的变化,重构由预测各频带能量成分组成的特征向量,应用于水电机组故障预测分析。以水轮机主轴摆度信号为例,应用该方法进行了特征信息提取和预测,表明将小波能量提取与灰色预测理论相结合进行振动特征信息的预测比较有效,为故障预测提供了新思路。

关键词： 水电机组   振动   故障诊断   信息融合   仿真  

摘要： 引起水电机组振动的原因复杂,目前主要是通过转速试验、负荷试验和励磁试验等试验手段来判别机组的振动故障。该文将多传感器信息融合方法引入水电机组振动故障诊断中,通过分析机组振动的频率特征,建立了振动故障的融合诊断识别框架,并模拟机组各部位的振动信号,采用小波分析和傅立叶变换进行预处理,提取信号的子带能量特征,应用信息融合方法进行了仿真诊断。结果表明,基于信息融合的故障诊断能充分利用机组各部位的信息,可以减少诊断的不确定性,从而有效地提高诊断的可靠性。

关键词： 水轮发电机组   故障诊断   BP神经网络   Dempster   Shafer证据理论  

摘要： 以D em pster-Shafer证据理论为基础,提出了一种神经网络局部初步诊断与证据理论融合决策诊断相结合的水电机组振动故障诊断方法,通过故障征兆信息的有效组合,从不同侧面对水电机组振动故障进行了初步诊断,对每一个子神经网络的输出结果归一化处理后,作为此证据下各种状态的基本概率分配函数,再用证据组合理论融合各个证据信息,得出最终的诊断结果。仿真试验结果表明,诊断结论的可信度显著提高,不确定性明显减少,证明了该诊断方法是有效的。

关键词： 水电机组   振动故障   模糊诊断  

摘要： 根据水轮发电机组的振动特点,探讨了适合于水轮发电机组的振动故障诊断方法,提出了将模糊技术应用于水轮发电机组振动故障诊断的思想,简要阐述了模糊故障诊断的基本原理,列出了水轮发电机组的征兆集和故障集,并根据征兆集和故障集的相互关系,提出了相应的模糊关系矩阵。最后通过模糊关系矩阵的运算,确定水轮发电机组的故障模糊向量。并以实际机组的振动故障为实例,验证模糊故障诊断方法的可行性和优越性。

关键词： 故障诊断   信号处理   自相关   小波分析   除噪  

摘要： 随着水电站对水电机组安全稳定运行要求的不断提高,相应的对故障诊断系统中故障诊断的准确性提出了更高的要求。而信号处理是故障诊断成功与否的关键。监测得到的故障信号不可避免的受到水电机组运行中的各种噪声的干扰与影响,从而得到的故障信号中含有随机噪声、白噪声等,为得到真实的故障特征信息有必要进行除噪处理。自相关和小波分析可以很好地去除噪声。本文对自相关和小波分析除噪作了详细论述,并用实例做了分析。

关键词： 水轮机   状态监测   故障诊断   专家系统   神经网络  

摘要： 大、中型水电站水电机组若出现故障，经济上将遭受重大损失，并严重威胁着机组的安全稳定运行。目前，许多大型水电厂安装了实时状态监控系统，实现了对水电机组特征参量的在线状态监测。但它只能提供直观的参数，一旦机组发生故障，不能直接给出故障发生的原因、部位以及其严重程度。因此，在现有机组运行的实时状态监测基础上，研究实施设备故障诊断系统，有着非常重要的意义。为此作者从事了本文所介绍的水电机组状态监测及故障诊断专家系统的研究。机组运行时系统处于全面监测状态，一旦有信号报警，将自动启动诊断专家系统，进行故障诊断，实现实时故障诊断。\n 本文首先介绍故障诊断技术的发展过程以及国内外研究的概况，论述状态监测与故障诊断的关系和任务，阐述目前水电机组故障诊断中存在的问题以及开展状态监测和故障诊断的必要性和紧迫性；接着介绍了专家系统在故障诊断中的地位以及基于神经网络的专家系统的优越性；然后对水电机组的常见的故障比如振动所引起的故障机理进行深入研究，并提供一些具体措施。\n 水电机组状态监测与故障诊断系统包括状态监测子系统和故障诊断子系统两大部分。本文重点论述系统的硬件组成和软件结构设计过程。在硬件组成中，讲述传感器的选取与布局、信号的采集以及信号与计算机接口的通讯。在软件结构中，讲述软件的主要界面以及每个界面的功能，包括实时状态监测、信号分析处理、数据查询与分析和故障诊断等功能。其次介绍如何将BP神经网络与故障诊断结合起来，组成一个以神经网络为基础的专家系统，利用小波包提取到的有价值频谱信息，对水电机组进行故障诊断。接着，本文作者利用实验室的已有条件进行实验，实验结果表明：该系统的精确度很高，仅有1％的误差；然后还以某水电厂采集到的数据，输入到系统进行实验，也证明了该系统的监测与诊断结果是准确可靠的。

关键词： 水轮机   状态监测   故障诊断   故障预测   振动信号   小波能量   灰色系统  

摘要： 近年来，大、中型水电站水轮机组事故不断，水轮机在线故障诊断显得越来越重要，目前国内有个别水电厂实现了对水轮机组特征参量的在线监测和一定程度上的故障诊断分析，在机组安全运行方面取得了一定的成果，但是这种实时在线监测系统只能提供直观的参数，提供一些诊断方法，一旦机组发生故障，将会造成巨大的经济损失。为此开展故障预测方面的研究，防范于未然显得越来越重要。\n 本文将小波包多分辨特性与灰色系统的动态预测能力相结合，提出了一种针对水轮机振动特征向量进行预测的方法。该法先利用小波包对振动信号进行分解，提取小波包能量特征量，构造能量特征向量，进而利用灰色模型对能量特征量进行预测。文中应用此法对水机轴振动特征向量进行了预测，结果表明预测值与实际值吻合，证明了利用小波能量和灰色预测理论预测振动特征信息是一种行之有效的方法。\n 接着本文开发了状态监测和诊断预测系统，文中介绍了该系统的状态监测模块、特征信息预测模块以及诊断模块，重点论述故障特征信息预测法在监测和诊断基础上的具体实现。状态监测是诊断和预测的基础，在这部分作者主要论述传感器的布局、状态监测参量、诊断信号分析方法及相关数据库设计等方面；紧接建立特征信息预测模块，叙述了从小波包能量提取，到灰色预测的详细设计及具体实现；再接着建立故障诊断系统，论述了知识的结构设计、推理方法等内容。为了实现从特征信息预测到故障预测的转变，提出了，特征信息预测法和诊断系统的结合方案，介绍了从FFT变换提取特征频率征兆的知识推理的诊断方式，到小波包提取频段能量作为征兆的诊断方式的改变。\n 作者还详细介绍了预测系统相应的人机界面和各方面功能，包括一些拓展功能，并通过试验证明了所设计的故障预系统的可行性作,并用电厂历史数据进行了故障预测验证，得出了故障预测的结果。

关键词： 自适应神经模糊推理系统   水电机组   故障诊断   隶属函数  

摘要： 使用模糊诊断方法对水轮发电机组的故障进行诊断,可以获得令人较为满意的分析结果。但无论是使用模糊逻辑诊断还是使用模糊聚类诊断,隶属函数的好坏将直接影响诊断系统的分析结果。使用MATLAB中的自适应神经模糊推理系统(ANFIS)可以更加准确地自动调整隶属函数参数。此外,利用MATLAB强大的模糊逻辑工具箱可以大大加快水电机组模糊诊断系统的开发速度。