基于IPSO优化LSSVM的水轮发电机组振动故障诊断

提出改进的粒子群算法,并与最小二乘支持向量机相结合,得到基于IPSO-LSSVM的水轮发电机组故障诊断方法。改进后的粒子群算法能较好地调整算法在全局与局部搜索能力之间的平衡,将其应用于LSSVM的参数优化,可以提高故障诊断的精度和效率。实例分析结果表明,本文模型不仅能够取得良好的分类效果,而且诊断速度与精度均高于采用BP神经网络、LSSVM以及PSO-LSSVM等方法,适合在实际工程中应用。     

基于IPSO优化LSSVM的水轮发电机组振动故障诊断

提出改进的粒子群(IPSO)算法，并与最小二乘支持向量机(LSSVM)相结合，得到基于IPSO-LSSVM的水轮发电机组故障诊断方法。改进后的粒子群算法能较好地调整算法在全局与局部搜索能力之间的平衡，将其应用于LSSVM的参数优化，可以提高故障诊断的精度和效率。实例分析结果证明，IPSO-LSSVM模型不仅能够取得良好的分类效果，而且诊断速度与精度均高于采用BP神经网络、LSSVM以及PSO-LSSVM等方法，适合在实际工程中应用。     

水轮发电机组的状态监测与故障诊断

由定期检修向状态检修的转化是国内外设备检修的发展趋势，状态检修强调以设备状态为基准进行检修，对机组在线监测就是为状态检修提供科学的诊断依据。本文着重阐述建立一套完善的状态监测与故障诊断系统，并探讨其状态监测的基本思路。     

水轮发电机组的振动监测和故障诊断系统

“无人值班或少人值守”、“状态检修”是水电厂在技术和管理上的发展方向。文中介绍有关水轮发电机组振动监测和故障诊断的基本内容、监测和诊断系统的基本构成和所需要的知识范畴。说明振动的“状态监测”、“状态诊断”的含义及其与“故障诊断”的关系和区别     

基于PNN的水轮发电机组振动故障诊断

概率神经网络（PNN）是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型,以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法,并在水轮发电机组振动频谱波形特征的基础上,对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。     

水轮发电机组振动故障诊断方法研究

分析水轮发电机组振动的主要原因，并介绍如何依据诱发机组振动的某些特征，捕捉其振动原因。     

模糊理论在水轮发电机组故障诊断中的应用

以模糊理论为基础，结合水轮发电机组的结构设计，运行工况，现场运行人员和专家的经验，分析了故障与征兆之间的模糊关系，形成了水轮 发电机组诊断规则，建立了水轮发电机组模糊诊断自适应修正数学模型，并用某水电厂具体故障实例加以分析，诊断，验证，结果证明了该数学模型的合理性和适用性。     

水轮发电机组的状态监测和故障诊断

水轮发电机组是水电厂的核心设备之一,其运行状态的稳定性与安全性直接关系到水电厂的安全。本文在分析水轮发电组振动机理、监测内容及典型故障的基础上,对水轮发电组的状态监测和故障诊断系统进行了阐述。     

水轮发电机组状态监测及故障诊断系统方案设计

文章在对水轮发电机组状态监测与故障诊断的系统的任务，功能定位进行分析的基础上，遵循计算机监控系统的研制方法与设计原则，采用开放性的体系结构以实现监测内容逐步完善和丰富具有可与不同厂家产品的兼容性，与MIS的互连及发电厂正常工况监控系统的互连，扩大用户范围，并充分当今最潮流的计算机技术，以达到低成本，高可靠，易维护，操作便利和事半功倍的效果。     

基于生产大数据的水轮发电机组故障诊断系统

为解决水轮发电机组传统故障诊断技术准确度不足的问题,并实现水轮机故障诊断技术的生产数据融合。董箐发电厂作为首个水电远程诊断试运行项目,通过建立大数据服务引擎,实现了电厂级全业务、全类型数据资源集中整合、存储、分析的远程诊断平台,取得了显著的经济效益和应用价值,为向企业级推广大数据分析技术提供了技术支持。基于生产大数据的设备状态监测故障诊断技术,将有利于电厂专业技术人员及时发现设备运行中存在的缺陷故障及确定大修目标,降低电力企业检修成本、提高电厂可用系数、延长设备使用寿命、增加发电能力、确保发供电可靠性等,可以预见,预知性检修这一先进的技术和管理体制必将在我国电力行业中得到越来越多的推广和应用。     

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。     

基于随机共振和经验模态分解的水力发电机组振动故障诊断

针对实际水力发电机组故障诊断中微弱信号难以检测引起故障诊断准确率低的难题,提出了一种基于随机共振(stochastic resonance,SR)和经验模态分解(Empirical Mode Decomposition,EMD)的微弱信号检测方法。首先,采用随机共振对振动信号进行降噪处理,提高信号的信噪比;继而对随机共振的双稳输出信号进行EMD分解,并采用能量法进行故障特征向量的提取,最后将其作为基于遗传算法优化支持向量机(GA-SVM)故障诊断模型的输入,实现故障模式的识别与诊断。仿真结果表明,该方法能够准确识别机组的异常情况,具有较高的故障诊断精度。     

基于振动信号的水电机组状态劣化在线评估方法研究

实现水电机组状态劣化评估和故障预警是行业研究的热点。论文提出了一种结合时域与频域特征的机组劣化在线评估方法。(1)先利用检测指数确定振动信号中对机组运行状态最为敏感的时域特征;再以机组健康状态下工况参数X(水头、开度等)和检测指数筛选的振动信号时域特征Y为健康样本,利用最小二乘支持向量机构建机组状态健康模型Y=f(X)。基于该模型,以实时工况参数为输入,在线预测对应工况下机组振动信号时域特征健康值,计算健康值与实际值之间的相对误差,作为评估机组劣化程度的时域劣化指标。(2)利用小波变换与奇异值理论对振动信号进行分解,提取健康状态下机组振动信号奇异值特征向量并得到健康聚类中心,实时计算实测信号奇异值特征向量与健康聚类中心之间的相对欧式距离,作为频域劣化指标。结合时域和频域劣化指标,在线计算综合劣化指标评估当前时刻机组劣化程度。结合实际机组运行案例,验证了该模型的有效性和实用性。     

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。     

HM9000ES 水电机组故障诊断专家系统的设计与开发

根据近年来水电厂对机组状态监测的需求与故障诊断技术的发展状况,基于原HM9000水电机组远程在线监测分析系统的基础,设计开发了一套开放式水电机组故障诊断专家系统软件平台,通过搜集、整理和分析部分常见故障案例,并吸收归纳本领域部分专家的诊断经验,对诊断经验实现了知识化、规则化和可用化。结合三峡集团公司大型诊断中心的建设,实现了部分故障的智能诊断,为机组状态检修提供了依据。     

设备在线振动监测与故障分析诊断技术在大型水泵机组中的应用

如何进一步提高大型水泵机组运行状态监测的自动化水平是科学管理、保障安全供水的重要课题。在线振动监测与故障分析诊断技术能够对大型水泵机组的运行状态进行有效监测,随时把握关键机组当前的运行状况,了解被监测水泵机组的状态变化趋势,分析诊断振动异常水泵的故障性质、部位、原因和严重程度,以及检查和验收大修或临时维修的效果,提高机组运行完好率,减少停机时间及降低维修成本,提升设备管理的现代化水平。主要对振动监测与故障分析诊断技术在大型水泵机组中的应用进行研究和综合论述,探讨了大型水泵机组运行中常见的故障,并通过案例说明了该技术对分析和判断机组故障的效果。同时以某大型泵站为例,具体阐述了该技术在大型卧式离心泵机组中的应用,为泵站大型水泵机组的设计提供解决方案。     

水电机组状态监测与故障诊断技术研究现状与发展

根据状态监测与故障诊断技术在水电领域的应用情况,介绍了水电机组稳定性、水轮机空蚀和调速系统等水电机组状态监测与故障诊断的主要内容及其现状;着重阐述了故障树分析法、模糊理论、人工智能及小波分析等该领域的主要研究方法和研究成果及其应用情况;并对水电机组状态监测与故障诊断技术的发展前景和趋势进行了分析与展望。     

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。