基于信息融合技术的水电机组振动故障诊断

针对传统方法在水电机组振动故障诊断中存在准确度不高的问题,引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域,采用2个并行的粒子群神经网络进行局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合。结果表明,该方法可有效地提高诊断可信度,减少诊断的不确定性。     

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。     

模糊技术在水电机组振动故障诊断中的应用探讨

文章将模糊技术应用于水电机组振动故障诊断，重点介绍了模糊故障诊断的基本与实现，并以安康电厂实际机组曾发生的振动故障为实例，验证模糊诊断方法，结果表明模糊诊断方法具有一定可行性，效果令人满意。     

神经网络在水电机组振动故障诊断中的应用研究

本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法，在此基础上将神经网络应用于水电机组振动故障诊断中。试验证明，基于神经网络的水电机组振动故障诊断方法具有很高的实用价值。     

基于UPEMD融合RCMCSE和ALWOA-BP的水电机组故障诊断

水电机组振动信号的诊断对机组安全稳定运行至关重要。本文提出一种基于均匀相位经验模态分解(Uniform Phase EMD,UPEMD)融合精细复合多尺度余弦相似熵(Refined Composite Multiscale CSE,RCMCSE)和改进鲸鱼算法优化反向传播神经网络(ALWOA-BP)的水电机组故障诊断方法。利用UPEMD对原始信号进行分解,然后建立WOA-BP故障诊断模型。针对WOA算法快速陷入局部最优和过早收敛的问题,采用自适应权重和莱维飞行对WOA算法进行优化。实验结果表明,该方法的准确率达到了100%。为探究所提模型的抗噪性能,引入信噪比为2 dB的噪声进行再次分析,诊断结果为94.44%,明显优于其他未优化模型。该项研究可以对现有水电机组故障诊断方法进行有价值的补充。     

基于时移多尺度注意熵和随机森林的水电机组故障诊断

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(Prin...     

基于数据融合理论的水电机组故障诊断方法

在研究有关数据融合理论及其算法的基础上,将不同特性的数据进行综合和推理,用以解决水电机组故障诊断的多源信息处理问题。     

模糊理论在水电机组振动故障诊断系统中的应用

振动是影响水力机组正常运行和危害机组寿命的主要故障。论述了模糊理论在水力机组振动故障诊断中的应用以及振动识别方法和特征信号的提取，并给出了振动频率与故障征兆关系表。在此基础上，建立了水力机组模糊理论振动故障诊断模型。     

融合改进符号动态熵和随机配置网络的水电机组轴系故障诊断方法

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。     

水电机组异常振动分析

机组异常振动的诱因很多，除了设计方面的原因外，安装过程中的问题，机组和电站的配套设计等，都是常见的情况。     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

基于虚拟仪器的水轮机组监测与诊断分析系统

随着水电机组在国家电力工业中的比重和水轮发电机组单机功率的增加,对水电机组的状态监测和故障诊断技术提出了更高的要求。本文采用虚拟仪器系统作为开发平台设计并组建水轮发电机组监测和故障诊断系统。该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,并进行故障诊断。。     

基于最大信息量的机组调速器故障诊断方法

在目前水轮发电机组电液调节系统故障诊断方法中，还没有出现很好的故障定位方法。文中应用模糊数学理论，由专家和运行人员根据电液调节系统的机理和运行经验得出各部件的隶属函数；并根据隶属函数得出整个电液调节系统的故障特征表；最后根据故障特征表计算信息量，作出最大故障二元树，并最终确定故障产生的源头。     

水力机组振动故障的智能诊断技术研究

概述了智能诊断技术的发展历史与现状,着重介绍了因果分析法、故障树法、模糊控制、专家控制、神经网络控制、粗糙集、支持向量机等人工智能方法的特点及其在水力机组故障诊断中的应用情况,并指出智能技术作为水力机组振动故障的有效诊断方法,必然朝着综合化方向发展。     

安康水电厂水轮发电机组状态监测与诊断系统

结合安康水电厂机组状态监测与诊断系统的研究开发，介绍了水轮机组状态监测与诊断系统的软硬件结构、传感器配置、系统功能及特点，为实现水轮发电机组的状态分析提供了技术手段。     

基于神经网络专家系统的水电机组故障诊断分析

针对水电机组振动诱因多、诊断准确率较低等现象,结合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

基于神经网络专家系统的水电机组故障诊断研究

针对水电机组振动诱因多、诊断准确率较低等现象,本文融合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。     

水轮发电机组故障信号检测及小波去噪研究

小波分析是一种全新的时－频分析技术。本充分利用故障特征信号，系统运行信号和噪声其二进小波变换模的极大值在不同尺度下的传播特性不同，研究了一种简单而有效的水轮发电机组故障信号检测与信号消噪方法。