关键词： 水电机组   多重分形   支持向量机   故障识别  

摘要： 针对水电机组轴系振动故障诊断,提出多重分形谱和支持向量机相结合的故障分类识别方法。该方法首先利用多重分形谱算法提取振动信号的特征数据,然后将该特征数据作为支持向量机的输入向量来实现故障的分类识别。实验数据表明,该方法能比较准确地识别轴系常见故障,为水电机组轴系故障智能识别提供了一种新的思路。

关键词： 水电机组   混合特征   CEEMDAN   ELM-Adaboost   故障诊断  

摘要： 为提高水电机组振动故障的识别精度,提出了一种基于CEEMDAN-ELM-Adaboost的水电机组振动故障诊断方法。首先,利用完全自适应噪声集合经验模态分解(CEEMDAN)对机组原始振动信号进行降噪处理,提取主要IMF分量的样本熵,并结合常规的时域和频域特征,构建混合特征向量。最后,将提取的混合特征向量输入到ELM-Adaboost中,构建出针对水电机组的智能故障诊断模型,来实现对机组振动故障的高精度分类诊断。以国内某水电站的转轮室碰摩故障为例进行实例分析,证明了提出的基于CEEMDAN-ELM-Adaboost的水电机组故障诊断模型相比于传统的模型具有优势。

关键词： 水电机组   故障诊断   多元多尺度符号动态熵   随机配置网络   特征提取  

摘要： 现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上,存在故障信息缺失和传感器测点选择困难等问题。为此,提出了一种基于精细复合多元多尺度符号动态熵(RCMMSDE)和随机配置网络(SCN)相结合的水电机组轴系故障诊断方法。首先,将精细复合技术引入RCMMSDE模型中,改进了传统多元多尺度熵粗粒化不足的问题。然后,通过提取水电机组不同传感器振动信号的RCMMSDE值作为故障特征。最终,将故障特征输入SCN网络实现水电机组轴系故障的准确识别。仿真结果表明,RCMMSDE-SCN模型在两个不同数据集上分别取得了97.58%和99.17%的诊断率,验证了所提模型具有良好的诊断性能。同时,对比不同诊断模型在多元传感器信号和单一传感器信号两种不同情景下的诊断情况,表明融合多元振动信号可以有效改善水电机组轴系故障诊断模型的识别性能。本研究为融合水电机组多元传感器振动信号故障诊断提供了一种新的方法,具有良好的借鉴价值。

关键词： 水力机组   振动   故障诊断   特征提取   多能互补  

摘要： 构建新型电力系统是实现能源低碳转型的重要保障,水电与风光电互补发电可以平抑新能源出力波动。接入风光电的水电机组频繁启停加剧了机组振动、影响机组运行性能。考虑到80%左右的机组故障都在振动信号中有所体现,通过振动信号深入分析故障成因,对保障机组安全稳定运行具有重要意义。本文分析了常规水电与接入风光电的水电机组振动振动情况,介绍了国内外基于非平稳性振动信号的时频特征提取方法和故障诊断技术,探讨了未来水电机组故障诊断技术的发展趋势,为接入风光电的水电机组振动特性分析以及故障诊断技术的进步提供一定的参考。

关键词： 水电机组   微分经验模态分解   能量特征   信号预处理  

摘要： 针对经验模态分解方法在处理水电机组振动这类由多重信号和噪声耦合的信号时出现的模态混叠现象,提出了一种微分经验模态分解和能量特征相结合的水电机组故障信号预处理方法。通过微分经验模态算法对信号进行分解,接着构造各阶微分信号能量矩阵,通过能量矩阵可以筛选出有效的分量。仿真试验表明微分经验模态分解能有效的避免模态混叠效应,使用支持向量机验证在水电机组导轴承信号预处理中,二阶经验模态分解构造的能量特征矩阵识别精度达98%。这一方法在水电机组复杂耦合信号预处理的应用中有很好的工程应用价值。

关键词： 水电机组   故障诊断   支持向量机   自适应噪声完备集合模态分解   混合灰狼优化  

摘要： 为有效利用水电机组的振动信号诊断机组故障,提出了一种基于自适应噪声完备集合模态分解(CEEMDAN)和混合灰狼算法优化支持向量机(HGWO-SVM)的水电机组故障诊断方法。首先利用CEEMDAN方法对原始振动信号进行分解降噪,获得原始信号的各模态分量(IMF),并以IMF为基础构造各样本下机组信号的特征向量;接着在原始的灰狼优化算法(GWO)中引入交叉、变异和选择过程,增强其全局搜索能力,构建出新的混合灰狼优化算法(HGWO),并用其对SVM中的核函数系数g和惩罚系数c进行全局寻优以获得具有最优分类效果的SVM用于故障诊断;最后,以两个公开数据集和两个自用数据集为例,研究特征向量构建方法和SVM的优化算法对故障诊断效果的影响。同时,亦验证了所提方法具有良好的分类效果,是一种有效的水电机组故障诊断方法。

关键词： 时移多尺度注意熵   随机森林   主成分分析   水电机组   故障诊断  

摘要： 针对传统诊断方法难以在高噪声环境下进行故障精准识别的问题,本文提出了一种抗噪性能良好、识别率高的水电机组故障诊断方法。首先,基于分形理论,提出了一种度量信号复杂度的工具——时移多尺度注意熵(Time-shifted multiscale attention entropy,TSMATE)。然后,利用主成分分析(Principal component analysis,PCA)对TSMATE进行降维处理,克服了特征冗杂问题。最终,将降维后的特征输入到随机森林(Random forests,RF)模型进行诊断。通过对振动信号添加不同信噪比的噪声,探究不同噪声强度下所提模型的抗噪性能。仿真实验表明,TSMATE-PCA-RF在0 dB、1 dB、2 dB以及3 dB四种不同信噪比噪声干扰下,分别取得了98.06%、98.89%、99.17%以及99.17%的诊断率,验证了所提模型具有良好的抗噪性能。该研究为水电机组故障诊断提供了新手段。

关键词： 水电机组   故障在线检测   变负荷检测   自适应K-Means聚类   主元分析  

摘要： 灯泡贯流式水电机组在运行过程中,由于受水力因素、机械、工况等因素影响,很容易导致转轮叶片与转轮室发生故障,严重影响水电机组安全运行。在分析灯泡贯流式水电机组转轮叶片与转轮室故障信号特征的基础上,提出了一种基于K均值(K-Means)和莱特准则(Wright′s criterion)的水电机组故障在线检测方法。该方法利用主元分析(PCA)对水电机组振动和噪声信号特征降维后,融合莱特准则改进传统K均值算法,以实现K值的自适应选择,对特征进行在线聚类,能快速准确识别水轮机变负荷状态与金属扫膛故障。将本文方法应用到五凌电力近尾洲水电站灯泡贯流式机组故障检测中,实验结果表明,采用该方法的故障在线检测准确率为100%、变负荷在线检测准确率为96.7%,运行近10个月没有出现故障误报和漏报,表明了该方法的有效性。

关键词： 水电机组   集合经验模态分解(EEMD)   曲线趋势编码(CC)   隐马尔科夫模型(HMM)   故障识别  

摘要： 针对水电机组故障诊断问题,提出了一种基于集合经验模态分解(EEMD),曲线趋势编码(CC)和隐马尔科夫模型(HMM)的故障识别方法。该方法首先利用EEMD处理机组振动信号,得到一系列本征模态函数(IMF)然后计算各阶IMF的标准差(SDs)形成标准差曲线,并根据IMF标准差曲线的趋势进行编码构成特征向量。最后将特征向量作为学习样本输入HMM,通过训练得到各状态的HMM。当待测样本输入各状态HMM时,可通过对比各模型输出的对数似然概率值来判断样本所属状态。试验结果表明,该方法能有效提取机组故障特征,识别故障类型,与常规故障识别方法相比,具有较高的准确率。

关键词： 水电机组   特征提取   信号降噪   时频分析   同步压缩  

摘要： 水电作为电力系统中调峰、调频和降低新能源并网对电网冲击的重要一环,水电站的安全稳定运行至关重要。传统水电机组定期停机检修方案虽然能够有效的发现并解决运行中存在的各种安全问题,但在一定程度上影响经济效益。水电机组的旋转特性导致其80%左右的故障与设备振动异常有关联。因此,将水电机组的“定期检修”转变为基于振动状态监测的“按需检修”,可显著提高水电站的运维水平。在实际工作中,传统接触式振动传感器存在测频范围低和不适用于非接触式监测场景的问题。同时,由于水电机组早期故障信号具有幅值弱、调制性强和易受噪声干扰特点,早期机组故障特征往往难以准确提取。此外,机组自身结构的复杂性及其运行过程中同时受到水力、机械和电气等耦合因素的影响,使得机组的振动状态表现出强非平稳性。所以如何从复杂的机组振动信号中提取故障特征一直是水电机组状态监测的难题。针对上述问题,本文设计基于振动噪声信号的水电机组状态监测方案,提出以奇异值分解和多重匹配同步压缩变换为核心的机组故障特征提取算法。主要工作如下:1、针对机组早期故障信号幅值微弱和调制性强的特点,本文提出基于奇异值差值比(Difference Ratio,DR)指数和周期性调制强度(Periodic Modulation Intensity,PMI)指数的奇异值分解信号降噪方法。首先,由DR指数确定合适的Hankel矩阵行数,保证复杂多分量信号中的单分量可以被分解成幅值为原分量一半、相位与原信号分量相同的两个相似奇异分量。然后,在已有机械故障的先验知识下,通过自相关函数计算所有奇异分量的PMI指数。最后,根据各奇异分量PMI指数计算相应分量的重构权重,通过对奇异分量加权求和实现振动噪声信号降噪。仿真实验结果表明,基于DR和PMI指数的奇异值降噪方法可以从包含复杂背景噪声的监测信号中准确的提取出与机械故障相关的具有周期性调制特征的故障分量。2、针对同步压缩变换在处理强非平稳时变信号存在时频系数扩散、时频能量集中度低的问题,本文提出改进多重匹配同步压缩时频后处理算法。基于线性调频信号的短时傅里叶变换结果构造匹配瞬时频率估计算子,引入多重迭代操作减少匹配瞬时频率估计算子在处理强非平稳信号的瞬时频率估计误差。算法实现过程中,通过对迭代后的匹配瞬时频率估计算子进行二次取整操作确保分散的时频系数都能分配到正确的位置。在处理信噪比为30d B的强非平稳信号,相比于同步压缩变换和匹配同步压缩变换,多重匹配同步压缩变换的雷尼熵降低1.928和0.918,提取瞬时频率的均方误差降低0.1707和0.0037。同时,在0～30d B不同信噪比条件下,多重匹配同步压缩变换的上述两个指标同样要小于同步压缩变换和匹配同步压缩变换。实验结果表明,本文提出的方法在处理强非平稳信号中可以明显提高时频分辨率,并且具有较强的抗噪性。3、设计搭建水电机组振动噪声信号采集系统,提出基于改进SVD信号降噪方法和多重匹配同步压缩变换的机组故障特征提取方法,实现水电机组负荷调整判别、模拟敲击故障和尖锐故障特征频率的提取。在处理稳定负荷和变负荷的振动噪声信号中,基于多重匹配同步压缩变换所得时频图的基础上提取相应频带时频系数的均方根值实现水电机组稳定负荷和调负荷工况的区分;在处理模拟敲击故障的噪声信号中,基于DR指数和PMI指数的奇异值降噪方法实现了敲击故障信号分量的提取,结合包络分析得到相应故障特征频率2Hz;在处理模拟尖锐故障的噪声信号中,在多重匹配同步压缩变换的结果基础上提取出1700Hz附近故障分量的瞬时频率,根据瞬时频率重构出与尖锐故障相关的信号分量,结合傅里叶分析实现故障特征频率2Hz的准确提取。