基于云PSO-SVM的汽轮机转子故障诊断研究

为提高汽轮机转子故障诊断的准确率和识别效率,提出基于云粒子群优化算法(CPSO)优化支持向量机(SVM)的故障诊断方法。首先利用补充总体平均经验模态分解(CEEMD)对转子振动信号进行分解,利用能量法筛选出更为有效的固有模态分量(IMF)并计算对应的排列熵(PE)作为故障特征值;其次将云理论引入到粒子群优化算法(PSO)中得到CPSO算法,通过CPSO算法优化SVM得到诊断模型。在ZT-3试验台对汽轮机转子常见4种故障(正常状态、转子不平衡、转子不对中和动静碰磨状态)状态进行模拟实验,获取故障数据后进行故障识别研究。研究表明:在相同测试样本的条件下,CPSO-SVM诊断模型的识别准确率为95%,比PSO-SVM诊断模型提高了5%,运行时间为22.055 s,比PSO缩短了14.5 s。研究结果验证了CPSO-SVM算法在汽轮机转子故障诊断方面的优越性。     

基于云粒子群优化SVM的汽轮机转子故障诊断

为了提高汽轮机转子故障诊断的识别准确率和效率,提出了一种基于云粒子群算法(cloud particle swarm optimization,简称CPSO)优化支持向量机(support vector machine,简称SVM)的故障诊断方法。首先,将云理论与粒子群算法(PSO)相结合得到CPSO算法;其次,通过CPSO算法优化的SVM得到诊断模型;最后,通过ZT-3转子试验台进行汽轮机转子常见故障模拟实验,获取故障数据后进行故障识别研究。结果表明:与PSO-SVM模型相比,CPSO-SVM的诊断模型可以准确、高效地识别出故障类型,证明了该诊断方法的有效性和可行性。     

基于参数优化VMD和散布熵的高压油泵故障诊断

针对现有基于时域特征的高压油泵故障诊断准确率低的问题,笔者提出一种参数优化变分模态分解(VMD)算法和散布熵的特征提取方法,并采用支持向量机(SVM)进行故障诊断．首先,基于对高压油泵工作原理及典型故障的分析,利用AMESim平台搭建高压油泵仿真模型进行故障模拟和信号采集．然后,针对VMD效果受限于分解个数和惩罚因子选取的问题,采用改进灰狼优化(IGWO)算法对VMD进行参数寻优．通过计算各模态的散布熵值形成故障特征向量,最后,采用SVM对故障特征向量进行训练和诊断,实现高压油泵的故障诊断．该方法的故障诊断准确率可达到95%以上,能有效地实现高压油泵故障诊断．     

基于EEMD-LSTM的汽轮机转子碰磨故障诊断模型及其工程应用

汽轮机转子与静子间的碰磨严重影响着机组的安全运行。为了解决汽轮机转子发生在早期和中期的碰磨故障难以通过基于振动信号检测诊断方法进行有效识别的问题,本文提出一种基于EEMD-LSTM的汽轮机转子碰磨故障诊断方法。首先,该方法通过声发射技术监测汽轮机转子的碰磨故障信号;然后,利用EEMD信号分解方法处理获取的声发射信号,并提取能量特征参数和相关的时域特征参数,从而获得碰磨故障特征数据集;最后,利用划分的数据集对LSTM神经网络进行训练与测试,从而获得碰磨故障诊断模型。工程应用结果表明,本文提出的方法能够有效识别机组在不同转速时期的早期碰磨故障,且故障诊断的准确率较高。     

基于变分模态分解云模型和优化LSSVM的汽轮机振动故障诊断

针对汽轮机运行过程中的非平稳性和多分量性振动故障信号,提出一种基于变分模态分解相对熵云模型和优化最小二乘支持向量机(LSSVM)的汽轮机振动故障诊断方法。首先,利用变分模态分解按照预设尺度将故障信号分解为K个模态分量,根据各模态分量与原始信号的相对熵大小去除伪分量,提取最佳分量并将其输入云模型,采用逆向云发生器提取特征向量。然后使用改进果蝇优化算法动态调整搜索步长搜寻影响LSSVM识别精度的超参数最佳组合,最后将特征向量输入参数优化后的LSSVM进行故障识别,并与采用经验模态分解相对熵云模型和集合经验模态分解相对熵云模型的LSSVM识别结果进行了对比。结果表明:所提方法优于传统的信号分解方法,对汽轮机振动故障类别具有很高的识别准确率。     

基于XGBoost算法的汽轮机转子故障原因定位方法

提出了基于XGBoost算法的汽轮机转子故障原因定位方法,首先对由故障类型和相关参数组成的原始样本集进行特征分析,评估各特征的重要度,然后利用XGBoost算法构建汽轮机转子故障原因定位模型,利用转子故障数据对模型进行训练和测试,最后将具体的故障原因链接到故障知识库,采取相应的故障修复措施.结果 表明:相比随机森林(RF)和梯度提升决策树(GBDT)模型,XGBoost模型可有效识别汽轮机转子3种故障类型下的9种故障原因,其分类准确率更高.     

基于CEEMDAN和混合灰狼算法优化SVM的水电机组故障诊断方法

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...     

基于流形学习的汽轮机转子振动故障特征提取

流形学习算法是一种非线性的数据降维方法,通过对高维空间数据的学习,可以获得数据的低维几何结构,比传统的维数约简方法更能体现事物的本质。针对汽轮机转子故障诊断中原始特征并不具有良好的可分性,必须进行特征提取这一问题,提出了将流形学习理论应用于汽轮机转子振动故障特征的提取的方法,极大地保留原始特征的非线性信息,改善了故障诊断的分类识别能力。实验证明,基于流形学习的汽轮机转子振动故障特征提取方法,提高了故障诊断的准确率。     

基于极限学习机的风电机组主轴承故障诊断方法

针对传统故障诊断方法在风电机组主轴承的故障诊断中诊断准确率不高的问题,引入了一种改进粒子群优化(PSO)算法,并结合交叉验证(CV)优化极限学习机(ELM)的方法。利用ELM建立故障诊断模型,采用主轴承振动信号的代表性时域特征参数作为模型输入,结合改进PSO算法和CV用于模型的参数优化,用于风电机组主轴承的故障诊断。实例分析表明,文章提出的方法可以快速、有效地诊断风电机组主轴承的故障,与LS-SVM,SVM和BPNN等方法相比,诊断准确率更高。     

基于经验小波变换和关联维数的风力机齿轮箱故障诊断

针对齿轮箱故障信号的非线性和非平稳性特征,提出基于经验小波变换(Empirical Wave-letTransform,EWT)、关联维数(Correlation Dimension,CD)和支持向量机(Support Vector Ma-chine,SVM)的故障诊断方法.首先通过EWT对风力机齿轮箱信号进行分解,得到若干本征模态函数(Intrinsic Mode Function,IMF)分量,再采用G-P算法求取各组IMF分量的关联维数,并将各组关联维数特征集输入SVM中完成故障识别及分类.结果表明:振动信号关联维数与嵌入维数呈正相关,且正常信号与故障信号的关联维数区分度不明显,通过SVM能对其进行精确识别和分类;该方法能有效提取系统故障非线性特征,故障识别准确率高达100％.     

大型汽轮发电机组高压转子低频振动故障分析

通过对近年来我国大型汽轮发电机组高压转子发生的低频振动的总结,分析了造成低频振动故障的原因,高压转子的低频振动主要是由不平衡蒸汽力引起的蒸汽激振,并对蒸汽激振的故障机理进行了探讨,同时提出了低频振动的一些处理原则。     

燃气轮机转子裂纹扩展及刚度特性研究

燃气轮机转子工作环境恶劣,转子结构易出现裂纹故障,为了解决燃气轮机转子裂纹难以被识别的问题,以某型燃气轮机高压转子为研究对象,通过三维建模以及ABAQUS仿真模拟其工作状态。首先,对易产生裂纹的位置进行了仿真计算;然后,在转子三维模型中对易产生裂纹的位置预置大小不同的裂纹模型,得到转子裂纹拓展情况;最后,在裂纹拓展后的转子模型上施加一定载荷,测量转子在不同裂纹状态下的拉压刚度、扭转刚度以及弯曲刚度。结果表明：某型燃气轮机高压转子的高压涡轮封严轮盘区域易出现裂纹故障,且转子刚度伴随裂纹增大呈下降趋势。     

Online cage rotor fault detection using air-gap torque spectra

This paper discusses use of air-gap torque spectra as a means of identifying faults in cage rotors. Being dependent on both stator and rotor currents, the torque is very sensitive to faults in the rotor. Through a comparative study using a detailed machine model and the standard dq model, the paper shows that the characteristic frequencies generated by a particular fault are preserved even if the standard dq model is used for estimation of air-gap torque. This is validated through a practical hardware implementation for online spectrum estimation of air-gap torque using TMS320C31, where several faulted cage rotors were used for study.     

汽轮机转子热应力在线监测模型研究

从轴对称导热微分方程出发,根据汽轮机转子的特点,对转子模型进行简化,推导出汽轮机实心转子温度分布和热应力理论计算公式。此模型不仅可以用作实心汽轮机转子热应力理论分析、疲劳寿命计算,更方便用于转子在线监测,为汽轮机的安全启停和状态检修提供依据。     

燃气轮机滚动轴承故障及振动传递特性研究

针对燃气轮机动力涡轮转子系统中滚动轴承故障高发的问题,基于赫兹接触理论建立了滚动轴承故障激励力模型,并验证了其准确性。基于有限元法建立了转子-轴承-机匣-固定平台整机模型以揭示振动传递特性。频域分析结果表明：单故障条件下不平衡激励力与滚动轴承故障激励力是单向耦合的关系;双故障条件下,若故障点直径相同,加速度信号中滚子故障主要频率对应的加速度幅值最大,外圈故障主要频率对应的加速度幅值最小。     

基于聚类分析与加权模糊逻辑的汽轮机组振动故障诊断方法研究

针对汽轮机组振动故障诊断中故障征兆的使用问题,提出了一种基于聚类分析与加权模糊逻辑相结合的故障诊断方法。利用振动的频谱特征对振动故障的几种常见故障模式进行分类,形成故障模式类,从而可以在故障模式类层次区分开属于不同性质的故障模式,解决类间的识别问题,进而缩小故障模式的识别范围。对于同一故障类中的故障模式,采集不同类型的故障征兆,利用粗糙集理论建立故障诊断决策表,提取对故障识别有贡献的故障征兆构建故障诊断规则,再应用知识依赖度为故障诊断规则的前提条件分配权重,克服了主观分配权重存在的不足,减少了故障诊断推理过程中的不确定性影响。再应用加权模糊逻辑对故障诊断规则进行推理,根据推理结果对故障模式进行识别。该方法既充分利用了振动的频谱特征这一重要故障征兆作为故障诊断的初步判断依据,又综合利用了反映故障不同方面信息的不同类型的故障征兆,从而做到更加准确地进行故障识别。     

汽轮机转子蒸汽冷却计算模型构建研究

提高初参数是火力发电实现节能与环保两项国策的重要措施。在蒸汽初温提高的条件下,为确保汽轮机部件的强度与寿命,需要在提高材料耐热性的同时采取蒸汽冷却技术,降低转子的温度与热应力。针对工程要求计算方法快捷、精确的特点,本文构造了转子根部冷却的一维参数计算模型,该模型综合考虑了冷却蒸汽对叶片表面的射流冲击冷却以及冷却蒸汽流过转子根部时的热传导冷却。应用该模型计算了超临界机组中压缸第一级转子经冷却后的温度场,并与三维计算结果比较,证明该模型能满足工程要求。     

大功率汽,轮机通流部分故障诊断特征规律的研究

介绍了汽轮机调节阀阀杆断落、喷嘴磨损、叶片断阻塞静叶、通流部分结垢、通流部分固体颗粒磨损、汽缸进水、大轴弯曲、动静元件轴向碰磨、蒸汽振荡和真空恶化等１０种故障的特征信号、征兆和诊断规则。给出了基于可靠性理论的故障诊断模型和应用实例。