水电机组振动故障诊断方法综述

故障诊断技术是保证水轮发电机组安全可靠运行的关键。本文描述了水轮发电机组的振动特性、特征量提取、故障诊断方法,对现有方法进行归类并分析其优缺点,介绍了近年来国内外水电机组振动故障诊断研究最新进展及应用情况,探讨了水电机组故障诊断技术未来可能的发展趋势。     

模糊聚类分析在水电机组振动故障诊断中的应用

水轮发电机组的振动与其他旋转机械的振动有很大不同，水力、机械、电气3方面因素各自引起的振动形成的耦联、振动故障与振动特征的非一一对应性及多种振动在某部位的叠加，形成了水轮发电机组振动的复杂性，很难用准确的语言来描述振动的程度及振动是否存在，这就给振动原因的分析带一定困难。采用模糊数学的方法，用隶属度来描述诸如“振动大”、故障“存在”或故障“严重”等此类模糊命题，比用传统的二值逻辑更实际地反映了机组的振动。在此基础上引用模糊理论中隶属度的概念来描述机组振动故障存在的倾向性，采用动态模糊聚类分析示分析机组振动的原因。通过实例检验表明，理论计算与现场检查结果相符，证明该方法具有良好的实际应用前景，为水轮发电机组状态监测及故障诊断提供了一种新途径。     

基于QPSO-BP和改进D-S的水电机组振动故障诊断

为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。     

基于熵权理论和信息融合技术的水电机组振动故障诊断

应用熵权、灰色关联分析和信息融合技术对水轮发电机组振动故障进行诊断。以水电机组振动信号的频域特征和时域振幅特征为诊断样本,使用基于熵权的灰色关联分析方法进行水电机组振动故障的初步诊断,然后应用证据融合理论对不同证据进行决策信息融合,从而得出最终的诊断结果。诊断实例表明,基于熵权的灰色关联分析和信息融合技术相结合的方法是有效的,适合于水电机组的振动故障诊断。     

基于信息熵的机组运行劣化度综合指标

水轮发电机组故障诊断与运行状态评价课题是当前水电系统研究课题中的热点。首先从分析影响水电机组运行状态的相关参数出发,得到的故障熵指标反映了机组的故障发展和变化情况,融合了时域、频域和时频以外的一些信息,能有效地反映机组的运行状态。提出了机组运行状态综合劣化度的指标,机组运行劣化度综合指标结合了机组运行工况的信息和故障熵的长处,反映机组状态劣化的程度,是一种有效地表征机组状态是否劣化的参量。将上述指标在水轮发电机组进行了运行状态评价的实际应用,结果表明研究成果对机组的运行稳定评价是有效的。     

基于贝叶斯网络的水电机组振动故障诊断研究

水电站的状态监测系统积累了大量的监测数据,但由于现场专家缺乏,目前这些数据没有得到很好的利用,如何挖掘这些数据并结合专家经验对水电机组进行故障诊断是本文研究的重点。本文提出了一种基于贝叶斯网络的水电机组振动故障诊断模型。根据专家经验获得贝叶斯网络结构和部分节点参数,通过SOM神经网络对数据信号进行离散化处理,利用EM算法参数学习获得其他节点的概率分布,搭建基于贝叶斯网络的子系统模型,并将子系统模型整合成完整的系统模型。文章最后通过设计试验,验证了所建模型诊断结果的正确性和合理性。     

基于均方差和夹角余弦的水电机组振动诊断

以水电机组的实际振动故障作为诊断样本,使用基于均方差的夹角余弦方法进行水电机组振动故障诊断,获得最终的诊断结果。诊断实例表明,基于均方差和夹角余弦的水电机组振动故障诊断方法是有效的,能很好地提高诊断水电机组振动故障的准确性,有较好的实用性。     

基于小波包分析和支持向量机的水电机组振动故障诊断研究

提出了一种利用小波包分析提取水电机组的振动故障特征和基于支持向量机的水电机组振动故障诊断方法。以二值分类为基础,构建了基于支持向量机的多值分类器。先对水电机组的振动信号进行频谱分析,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使分类器能够建立频谱特征向量和故障类型的映射关系,从而达到故障诊断的目的,并以水电机组振动多故障分类为例,进行了应用检验。结果表明,与常规方法相比,该方法简单有效、并具有很好的分类能力和良好的鲁棒性,可以满足在线故障诊断的要求,适合水电机组振动故障的诊断。该方法为水电机组故障诊断向智能化发展提供了新的途径。     

基于小波神经网络的水电机组振动故障诊断研究

提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。     

基于最小二乘支持向量机和信息融合技术的水电机组振动故障诊断

应用最小二乘支持向量机和信息融合技术对水电机组的振动故障进行诊断。采用以水电机组振动信号的频域特征和时域振幅特征作为特征向量的学习样本，通过训练，使最小二乘支持向量机能够反映特征向量和故障类型的映射关系，在完成局部诊断后再实现决策信息融合，从而达到故障诊断的目的。以水电机组振动故障诊断为例，进行了应用检验。研究结果表明，与常规方法相比，最小二乘支持向量机和信息融合技术相结合的方法具有快速有效等优点，适合水电机组振动故障的诊断。     

基于加权模糊核聚类的发电机组振动故障诊断

对模糊C均值(fuzzy C-means,FCM)在机组振动故障诊断中存在不足,提出了一种加权模糊核聚类方法(weighted fuzzy kernel clustering,WFKC)。该方法用Mercer核将样本从输入空间映射到高维特征空间,在特征空间进行聚类,同时考虑到不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对特征进行加权,在特征空间实现加权模糊聚类。用3组标准测试数据集验证了该方法的聚类效果和分类准确性。最后将该方法应用于发电机组故障诊断,应用实例表明所提出的方法有效,诊断结果可靠。     

基于离散BAM网络的汽轮发电机组振动故障诊断的应用研究

本文针对常规频谱诊断方法的不足,详细论述了离散的BAM网络及其特性.进而讨论了汽轮发电机组常见典型振动故障的变化特征及其数字化描述方法,建立了基于BAM算法的神经网络的汽轮发电机组振动故障诊断模型,对实际机组故障进行了诊断,效果良好.通过分析,提出BAM网络在故障诊断领域中有广阔的应用前景.     

基于开机过程信息融合的水电机组故障诊断方法

为保证水电机组运行的可靠性,通常采用基于振动频率分析的故障诊断技术。但是水电机组故障类型间存在重叠的频率特征,仅凭频率分析不易确定故障类型。因此,文中采用信息融合技术,引入开机过程中的时间和空间特征信息,在特征层采用支持向量机作为信息融合手段,在决策层采用D-S证据理论进行信息融合。实验结果表明,信息融合增加了故障诊断的特征信息,提高了故障诊断系统的诊断能力。     

基于模糊聚类分析和D-S证据理论的磨煤机故障诊断

在故障诊断中,某些情况下模糊聚类分析理论只能在一定置信水平λ下诊断出目标故障.为了实现故障预测,提出了基于D-S证据理论的模糊聚类分析方法.将待测样本和典型样本构成待诊断矩阵,应用聚类分析方法求出其等价矩阵,由其结果构造D-S证据理论的基本概率斌值函数,即待测样本对每个目标模式的支持度.对支持度排序得到诊断结果和故障发...     

基于虚拟仪器的水轮机组监测与故障诊断系统

针对水轮发电机组单机功率的增加而提出的状态监测和故障诊断要求,提出以虚拟仪器系统作为开发平台设计并构成水轮发电机组监测和故障诊断系统,实现了水轮发电机组振动信号的数据采集、数据处理和分析,并可进行故障诊断。     

基于粗糙集和支持向量机的水电机组振动故障诊断

提出应用粗糙集和支持向量机水电机组振动的故障诊断模型.运用粗糙集理论对水电机组振动信号的属性特征进行预处理,在约简去除其冗余属性后得到决策表,将决策表作为支持向量机的学习样本,通过训练,使构建的支持向量机多分类器能够反映属性特征和故障类型的映射关系,从而达到故障诊断的目的.测试结果表明,与常规方法相比,应用粗糙集和支持向量机相结合的方法进行故障诊断具有简单有效、诊断速度快和良好的鲁棒性等优点,是一种有效的诊断方法.     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

基于信息熵最优约简算法的电网故障诊断模型

介绍粗糙集理论及信息熵约简方法,应用粗糙集理论对电网故障样本数据进行分析统计,建立决策表,采用信息熵约简算法对其进行条件属性约简,得到一组最小知识系统,再用粗糙集值约简方法对其进行简化,得到一组故障诊断的最小决策规则集,结合模型进行分析,证明该方法简便、快速、有效。