基于RVM方法的水电站厂房结构振动预测研究

随着水电站规模和单机容量的不断增长,水电站厂房振动问题日益突出。明确厂房结构的振动规律有助于电站长期运行安全评估。在电站厂房原型振动观测数据相关分析的基础上,建立了基于相关向量机(Relevance Vector Machine,RVM)的厂房振动响应预测模型。该模型可通过机组、流道测点的测试数据预测厂房结构垂直振动空间分布,并具有较高的精度。     

厂顶溢流式水电站振源特性研究

以某水电站灯泡贯流式机组厂顶溢流布置型式为对象,研究该新型结构的振源组成及对厂房结构影响。通过理论分析结合原型观测数据,对机组运行及泄流产生的厂房结构振动频率进行识别,确定其动荷载来源。分别统计厂房结构主要部位振动达峰值时不同频率所占比重,计算实测工况频带能量对总振动响应的贡献,分析分频振动随负荷的变化规律。结果表明：狭缝射流、转轮叶片振动与协联关系不正确引起的振动为主要振源。泄流诱发厂房振动微弱,对厂房结构运行与安全无影响。该结果可为量级评估该型式水电站厂房振动提供依据。     

水电站厂房振动方面设计的分析与研究

水电建设是一项宏伟的工程,也是国民经济获得能源动力的重要途径。水电站厂房作为机组的支承结构,在机组运行产生的激励荷载作用下,可能引起厂房整体或者局部的振动,本文研究了基于振动问题给出了抗振设计。供同行参考。     

水电站机组-厂房结构突增负荷过渡过程振动特性研究

水电站机组及厂房结构受水、机、电激励影响在过渡工况下振动问题突出,但现阶段相关理论研究严重滞后于工程实际,制约了该结构进一步寻求改善其瞬态振动的合理控制方式及技术措施。为此,以核心水力振源之一——尾水管压力脉动的构建为切入点,从理论分析的角度提出了一种在不同负荷工况下由尾水管偏心涡带诱发的水力激励数学表述,基于已有水力发电系统水-机-电-结构耦联模型,将系统突增负荷过渡过程纳入机组-厂房结构振动研究体系,并对结构在该非稳态运行情况下的振动特性进行了分析。计算结果表明,同稳态工况相比,机组各导轴承结构在瞬态工况下存在运行稳定性降低、振幅明显增大等现象。同时,相对于机组轴系,水电站厂房发电机层楼板在该过渡工况下的振动现象更为显著,特别是竖向振动情况异常突出,位移增幅可达其在稳态运行条件下的数倍。该研究成果可为水电站机组-厂房结构在该过渡工况下的动力响应分析提供合理可靠的模型与研究方法。     

基于混合TPA的水电机组厂房振动传导研究

机组的稳定运行对水电站厂房上下游的经济和社会发展具有重要支撑作用,新时期对水电机组厂房的稳定性要求愈发增高,但以原型观测为基础的振动理论分析与工程实践仍然滞后。为解决水电厂房测点数量不足的问题,该研究以原型观测为基础,考虑大体系非线性结构的耦合振源传播与放大机理,以实测与仿真计算频响函数(frequency response function, FRF)为核心,搭建混合振动传递路径分析(transfer path analysis, TPA)模型,开展原型-仿真联立分析的水电机组振动传递研究,识别水电机组未测振源、确定振动成分的贡献量等,明确影响响应目标点振动水平的根本原因,并提出局部结构减振措施,形成一套基于传递路径分析方法的水电站厂房振动分析与控制,为我国水电机组的安全稳定运行、结构设计和优化奠定理论基础。     

大型地下厂房结构振动反应分析

建立锦屏一级水电站地下厂房结构三维有限元动力分析模型,计算结构自振特性,并复核结构共振。通过模型水力脉动试验,获得锦屏一级水电站流道脉动压力荷载特性,用动力法分析厂房结构在机组振动荷载与水力脉动荷载作用下的振动反应,并据国内外有关规程规范对振动反应进行评价。研究结果表明,地下厂房结构与各种振源频率相差较大,不存在共振的可能性。地下厂房结构整体刚度较大,在机组振动荷载及水力脉动荷载作用下,振动位移、应力、速度均较小,满足有关规程要求。     

停机过程中的水电站厂房支承结构动力特性识别方法

运行过程中的水电站厂房支承结构动荷载的作用复杂，确定支承结构动力特性是水电站厂房动力分析中的重要问题，然而常规的试验手段对结构有较强的破坏作用或者因难度较大不易实现。利用李家峡双排机主厂房真机试验中的测试数据，基于动力学原理分析了停机过程中结构振动及荷载的变化的特点，提出了一种应用停机过程识别厂房支承结构动力特性的方法。在该方法中，将机组测试与结构测试成果相结合，并充分利用小波分析的优点，成功地克服了停机过程分析中荷载变化历程长，结构振动非平稳等不利因素。     

混流式水轮机轴向动荷载识别

水轮机轴向动荷载是机组总轴向力的主要组成部分，其特性直接影响水电站厂房设计和安全经济运行。合理对其进行评估具有重要的意义。文中以一水电站厂房结构和机组联合现场振动测试数据为基础，将厂房结构和机组视为一耦联体系，采用改进遗传算法和有限元技术编写程序，对水轮机轴向动荷载进行识别。识别结果比较理想。该方法简单有效，具有较强的实用性。     

水电站水机电-结构系统动力耦联模型研究及数值模拟

建立了包括引水系统、水轮机、调速器、发电机电磁系统、电网、水电机组轴系及厂房耦联结构等子模型在内全新的水电站系统非线性动力耦联模型。基于水力、电机、结构等学科理论构建了涉及水力、机械和电磁等因素的联立微分方程组,并采用有限元法建立机组轴系和厂房结构模型。结合Ansys的二次开发功能提出了水-机-电多因素影响下机组和厂房耦联结构模型不同工况动力特性的研究方法。采用差分法及特征线法等数值计算方法,利用该模型对水电站系统的开机工况进行了数值模拟计算和分析,同时对模型的合理性给予了验证。计算结果表明,该模型可以模拟计算水电站系统的开机工况运行过程,并能够较好反映水电站运行时的各种非线性动力特性。针对水电站系统较为复杂的特点,该模型的建立可对电站发电系统进行全面的数值模拟以评价和预测其运行安全性和结构可靠性,从而为水电站在极限工况和过渡工况的运行动态控制提供有益参考。     

基于改进萤火虫算法优化BP神经网络的水电站厂房振动预测

利用萤火虫算法优化BP神经网络权值和阈值基础上,建立水电站厂房振动响应预测模型。针对萤火虫算法存在的收敛速度慢、易陷入局部最优等问题,引入动态随机局部搜索机制加快收敛速度,对当前最优解进行变异操作避免陷入局部最优,提出动态步长更新措施提高计算精度,改进最优解振荡问题。仿真实例表明,基于改进萤火虫算法优化的BP网络模型预测精度和收敛速度等性能得到明显改善,可用于水电站厂房结构振动响应预测。     

基于OVMD与SVR的水电机组振动趋势预测

为更好地预测水电机组振动趋势,研究提出了一种基于最优变分模态分解（OVMD）与支持向量回归（SVR）的水电机组振动趋势预测模型。首先基于中心频率观察法与残差指标最小化准则确定OVMD的分解参数,采用OVMD将非平稳振动序列分解为一系列模态函数,并对各模态函数分别进行相空间重构,构建状态矩阵,进而得到SVR回归预测模型的输入、输出,再采用交叉验证的网格搜索策略优化各SVR模型的参数,并分别进行回归预测,最后对所有SVR预测结果进行求和,得到原始振动趋势的预测值。研究对某大型混流式水电机组的振动监测数据进行预测试验,并进行对比分析,结果表明该模型可有效预测水电机组振动趋势。     

基坑爆破对边坡变形的影响

结合广州中旅城深基坑爆破施工引起的边坡变形进行现场观测与理论分析,提出了挡土桩边坡基坑爆破动力变形的计算方法,解决了设计和施工中的关键技术问题     

龙滩水电站地下厂房开挖爆破震动衰减规律研究

在地下厂房开挖支护过程中,爆破震动控制直接影响到高边墙的稳定及岩锚梁结构安全。本文根据龙滩水电站地下厂房Ⅲ~Ⅶ层开挖爆破震动监测数据,采用统计分析方法,经二元回归计算得到主厂房岩石高边墙、岩锚吊车梁以及已喷护岩石边墙、锚索(杆)墩(头)等防护目标的爆破振速衰减规律经验公式。结果表明,地下厂房开挖过程诱发的爆破震动沿高程H方向总体没有放大现象,但衰减较为缓慢或很缓慢,这为地下厂房工程开挖爆破施工提供了理论依据。     

大型地下厂房开挖爆破振动动力响应数值模拟

针对向家坝水电站主厂房爆破施工诱发振动效应对围岩稳定及相关结构安全性影响,通过动力有限元数值模拟,研究地下厂房在开挖爆破振动荷载作用下动力响应。结果表明,顶拱拱脚处质点振速及拉应力最大,拱脚以上质点振速及最大拉应力迅速衰减;岩锚梁黏结面底部或顶部拉应力最大,与水平向质点振速相关性较好;高边墙质点振速与最大拉应力随高差增加而减小。综合分析数值计算结果与大量爆破振动实测数据,建议围岩及混凝土龄期大于28d的岩锚梁安全质点振速分别取15 cm/s及10 cm/s,且有一定安全储备。     

复杂环境下爆破振动速度预测模型分析

为了预测及分析邕宁水利枢纽工程爆破振动的传播与衰减规律,进而控制爆破所带来的危害,减小负面影响,采用爆破振动测试仪在现场布置了4个监测点,对爆破振动速度进行实测。由于传统的萨道夫斯基模型预测地形变化较大的爆破振动速度的精确度较低,因此根据实测数据和前人改进的2种预测模型,通过回归分析,将以萨道夫斯基模型为主、考虑髙程和岩体累计损伤的爆破振动速度预测模型进行变换,得到现场实验条件下的3组回归公式。同时,比较分析了实测爆破振动峰值速度与不同预测模型得到的爆破振动峰值速度。结果表明:髙程及岩体损伤对爆破振动效应具有较大的影响,改进后的爆破振动速度预测模型的精确度较高,能较好地反映该区域爆破振动传播与衰减规律。     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。     

Vibration analysis diagnostics by continuous-time models: A case study

In this paper a forecasting system in condition monitoring is developed based on vibration signals in order to improve the diagnosis of a certain critical equipment at an industrial plant. The system is based on statistical models capable of forecasting the state of the equipment combined with a cost model consisting of defining the time of preventive replacement when the minimum of the expected cost per unit of time is reached in the future. The most relevant features of the system are that (i) it is developed for bivariate signals; (ii) the statistical models are set up in a continuous-time framework, due to the specific nature of the data; and (iii) it has been developed from scratch for a real case study and may be generalised to other pieces of equipment. The system is thoroughly tested on the equipment available, showing its correctness with the data in a statistical sense and its capability of producing sensible results for the condition monitoring programme.