模糊支持向量机在轴系振动故障诊断中的应用

机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息.     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。     

基于支持向量机的柴油机排气阀智能故障诊断研究

排气阀是柴油机的重要部件之一，其故障诊断一直受到研究者的关注，传统的学习机器在小样本学习时不具有良好的泛化能力，其现场效果与实验室精度差距较大。建立在统计学习理论基础之上的支持向量机具有和样本数相适应的最优泛化能力。利用支持向量机适合处理高维数据以及具有良好泛化能力的特点，建立了排气阀故障诊断模型，将排气阀振动信号经过小波包分解后提取的特征指标在小样本时进行支持向量机学习，通过不同核函数的支持向量机和其它智能方法准确率的比较证明：支持向量机较其它智能方法有较大的优越性；准确率对核函数有一定的敏感性；在常用的3种核函数中，线性核的诊断准确率达到了100％，是柴油机排气阀智能故障诊断支持向量机的最佳核函数。     

基于ALIF-HT的汽轮发电机组转子故障诊断

针对汽轮发电机组转子故障振动信号为多分量非平稳信号,将一种新的信号分解方法——自适应局部迭代滤波(ALIF)用于转子故障振动信号分解,并与希尔伯特变换(HT)相结合,提出了基于ALIF-HT的汽轮发电机组转子故障诊断方法:首先对转子原始振动信号进行ALIF得到若干信号分量,再应用HT求取每个分量的瞬时频率,获取原信号全部信号分量的完整时频表示,最后根据转子故障振动信号的时频特征判别转子的故障类型.通过仿真信号分析验证ALIF对多分量信号的分解能力,并利用转子油膜失稳故障分析验证该方法的工程实用性.结果表明:ALIF方法能够有效克服经验模态分解(EMD)存在的模态混叠问题,使得ALIF-HT方法相对于希尔伯特黄变换(HHT)方法具有更高的时频分析精度.     

基于贝叶斯网络的转子系统故障诊断研究

通过分析传统故障诊断方法在处理实际系统不确定性问题时存在的困难,研究了基于贝叶斯网络的转子故障诊断方法。依据转子系统存在的故障类型和对应的故障征兆,本文建立了转子系统的贝叶斯网络模型,并开发了基于贝叶斯网络模型的转子故障诊断系统。通过对实际转子系统故障的检测,证实了该方法在处理信息不确定条件下,进行故障诊断的有效性。     

轴系设备故障诊断技巧及经济性分析

基于振动频谱和波形图,本文介绍了转子不平衡、转子不对中、机械松动、摩擦等故障特征,利用相关技巧分析故障诊断过程,提高了分析水平,并对设备故障分析诊断进行经济性分析。     

基于模型和神经网络的转子故障诊断方法

通过建立转子的理论模型仿真转子不平衡故障,从而提供给神经网络训练数据,再利用训练好的网络自动识别故障。仿真结果表明,基于转子理论模型、信号检测和神经网络的集成诊断方法,不仅可以有助于理解故障的物理意义,而且可以定量识别故障。     

基于粗糙集的转子裂纹故障诊断研究

针对诊断转子裂纹故障时出现的许多不确定性的信息,信息的重要度不同以及冗余等问题,提出了一种基于粗糙集的裂纹故障诊断方法.利用粗糙集相对约简的不唯一性和不确定知识的表达能力,将诊断转子裂纹的相关特征参数进行模糊化及离散化处理,构建故障决策表.对故障征兆参数进行约简,去除冗余信息,求出集合的正域.根据依赖度和重要度关系,求出集合的核,作为诊断转子裂纹故障的规则,简化了诊断过程.实例表明,该方法能较大的提高转子裂纹故障诊断的效率和可靠性.     

独立成分分析在转子故障诊断中的应用

探讨了一种基于独立成分分析的故障诊断方法。对于测得的多通道转子复合故障振动信号,通过独立成分分析来分离原始的振动数据,得到统计上互相独立的振动源信号。通过对这些估计的源信号频谱分析,可以区分两类故障。进一步说明这些源信号是内在激励源的再现。     

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。     

转子系统分形故障诊断中无标度区的自动识别

采用振动信号关联维数计算中的相关积分算法,以及相关积分双对数点列的分布规律,提出了一种分形无标度区的自动识别方法.该方法采用曲线一直线一曲线对相关积分双对数点列进行分段拟合,以总的拟合残差平方和最小作为目标,并认为中间一段即为无标度区,进而求出该段斜率得到关联维数.运用该方法对在不同状态和不同转速下转子系统实际测量得到的振动信号进行了分析计算,自动得出了信号的分形无标度区范围和关联维数,并与传统的三折线段拟合法的计算结果进行了对比分析,验证了该方法的准确性及有效性.     

小波变换在转子动静碰摩故障诊断中的应用

转子动静件碰摩时存在奇异性，而信号中的奇异点及不规则突变部分常带有比较重要的信息。利用小波变换具有空间局部化的性质，并通过一维小波变换工具对碰摩信号进行多尺度小波分解获取细节信号。从而对信号中的奇异点进行检测，明确地指出转子动静碰摩时奇异点的位置和奇异度的大小，为汽轮发电机组碰摩识别提供了有效的方法。     

基于HHT的转子横向裂纹故障诊断

希尔伯特黄变换(Hilbert—Huang Transformation，HHT)，是先把一列时间序列数据通过经验模态分解(Emprical Mode Decomposition，EMD)。然后经过希尔伯特变换获得频谱的信号处理新方法。把HHT时频分析方法引入了转子裂纹故障诊断领域。详细地介绍了HHT方法的理论和算法。通过对模拟横向深裂纹故障转子的实验研究表明。基于HHT的时频分析方法能把横向裂纹转子的扭振所形成的相位调制现象在时频谱图中明确地表征出来。为裂纹故障的预报和诊断提供了较好的手段，说明用HHT方法对旋转机械的转子横向裂纹进行故障分析是有效的。图3参6     

改进的VMD方法及其在转子故障诊断中的应用

针对转子系统油膜失稳的诊断问题以及变分模态分解(VMD)的端点效应问题,提出一种利用互信息准则进行波形匹配和端点延拓的改进VMD方法,并通过分析各分量的Hilbert谱诊断油膜失稳状态.结果表明:该方法具有良好的多分量信号分解能力和端点效应抑制效果,能有效诊断出油膜涡动的发生时刻以及发展变化特点;当单盘转子发生1阶油膜振荡时,频谱中转频和振荡频率的幅值突出,同时会出现与两者相关的组合频率成分,对准确、可靠地诊断油膜失稳具有重要意义.     

基于电网故障拓扑分析及多数据综合的复杂故障诊断方法

针对由于断路器失灵造成的电网连锁故障,调度人员难以在短时间内详细分析故障原因、过程的问题,提出一种利用电网拓扑和多数据源综合分析的复杂故障诊断方法。即通过电网拓扑中断路器开合状态确定邻接矩阵,形成故障后电网的拓扑连接关系,对故障电网拓扑图的停电区域搜索,确定连锁故障的诊断类型,并详细分析故障录波数据,诊断出断路器失灵造成的连锁故障的原因。算例分析表明,该方案能有效诊断复杂故障,具有较好的应用前景。     

基于分类树归纳的模糊轴系诊断规则抽取

轴系故障一直是困扰电力生产的主要问题,基于专家系统的轴系故障诊断方法存在知识获取困难、诊断精度不高的问题。本文提出了基于归纳学习的分类树构造方法,实现从运行数据中提取诊断规则,分析了基于分类归纳的诊断规则抽取方法对噪声的容忍能力,在不同噪声类型和噪声规模下,分析发现属性约简和剪枝技术都能有效提高诊断规则的泛化性能。本文进一步提出了将数值型规则转化为模糊规则,提高诊断规则的可理解性和推广能力,为实现故障诊断系统的自学习提供了可行的途径。     

某300MW亚临界机组高中压转子裂纹的故障诊断

针对某300MW亚临界机组高中压转子在运行过程中出现振动值逐渐增大的问题,通过对高中压转子的历史振动数据进行分析,判断高中压转子存在扩展式弯曲故障。现场对高中压转子平衡后,短时间内振动状态恶化,诊断为高中压转子出现裂纹。及时停机揭缸检查,发现高中压转子高压第一压力级前的应力释放槽存在裂纹,避免了断轴毁机的安全事故,具有一定的借鉴意义。     

汽轮机运行中调节级叶片脱落的故障诊断

沾化电厂1号机组运行期间高压调速级一叶片突然脱落,机组异常振动特征典型,故障诊断及时准确,部件脱落的部位和重量与分析判断完全一致。     

基于燃烧过程分析及模糊诊断技术的柴油机故障诊断方法研究

利用先进的内燃机燃烧学和热力学模型,建立了基于模糊诊断技术的柴油机故障诊断方法,应用数理统计方法确定了柴油机工作过程参数隶属度函数,构造了模糊故障诊断矩阵,并应用计算机技术实现了对柴油机常见故障的模糊诊断,在柴油机故障诊断应用中取得了良好的效果。     

基于内禀模态能量熵与支持向量机的转子故障智能诊断方法的研究

大型旋转机械转子的运转情况是生产过程中最重要的问题之一,在故障初期对故障识别并实现智能诊断具有重要的意义。然而大型旋转机械存在较大的非线性,并且故障样本较少,给特征提取和状态识别带来了很大困难。基于经验模态分解(EMD)后内禀模态函数的能量熵,提取各个内禀模态函数的能量作为特征向量,并以此作为支持向量机(SVM)的输入参数来输入支持向量机进行故障诊断。实验表明这种方法能够对故障状态与正常状态正确分类,实现故障的智能诊断。