600 MW超临界汽轮发电机组振动故障特征提取

近年来随着河北南部电网多台600MW超临界汽轮发电机组相继投产,机组振动问题日益突出。针对这一状况,提出应用小波包能量谱,对机组的振动故障进行特征提取。通过对现场多台机组故障数据的处理和分析,采用最小二乘支持向量机对机组的振动故障进行分类,验证了该方法的有效性和可行性,同时也为现场技术人员提供参考和借鉴。     

基于小波分析的汽轮发电机组振动信号消噪和特征提取

小波分析技术由于其良好的时频局部化性质,对突变和非平稳信号的分析具有良好的效果,已经成为信号消噪、特征提取和故障诊断的重要方法之一.针对汽轮发电机组的振动特征,采用基于最优小波包基的方法对汽轮发电机组的振动信号进行消噪处理,有效地剔除了汽轮发电机组表面振动信号的噪声干扰,提高了信号的信噪比;对消噪后的信号进行小波包分解,并将各相关频带进行能量特征提取,从而为汽轮发电机组振动信号的故障诊断提供了有力依据.     

汽轮机振动故障机理分析

汽轮机组是大型火力发电厂的主要设备之一,其振动故障会直接影响电厂的安全运行。对某电厂300 MW汽轮机组中#5、#6机组发生振动的原因进行排查,分析了#5、#6机组振动特点,诊断#5、#6机组振动故障,并对其进行通流改造,有效解决了汽轮机组振动故障,实现了机组的稳定运行。     

基于自适应提升小波的电厂汽轮发电机组振动信号消噪

采用基于提升格式的自适应小波变换,并根据LMS(least mean square)自适应法使伯恩斯坦预测算子P(predictor)自适应匹配特定的数据序列.用此方法对电厂汽轮发电机组的振动信号进行消噪处理,并通过实例仿真证明了该方法的可行性和有效性,从而为汽轮发电机组振动信号的故障诊断提供有力依据.     

远程分布式汽轮机组故障诊断网络系统的研究

本文指出了常见汽轮机组工况监视与故障诊断方法的利弊,给出了分布式在线工况监视和故障诊断的实现方式,进而提出了远程分布式故障诊断模式及其实现方法。并进一步给出了虚拟现实在机监视与诊断中的应用方法。     

汽轮发电机组摩擦振动故障的诊断与防止

汽轮发电机组由于其结构上的特点,摩擦振动及由其引发的大轴弯曲事故时有发生。为此介绍从摩擦引起的热弯曲效应;运行转速和监界转速处于4种不同情况时,发生摩擦振动的不同现象和后果;轻微和严重摩擦故障的不同特征;摩擦振动故障的诊断及实例等。最后,指出如何防止摩擦振动,即在设备管理、结构改进、检修和运行等方面应采取的对策。     

基于数据驱动的汽轮发电机组非线性振动故障诊断技术研究进展

汽轮发电机组的精准、快速地故障诊断对提高其安全性、经济性具有重要意义。随着汽轮发电机组运行数据的积累与数据驱动技术的发展,基于数据驱动的汽轮发电机组非线性振动故障诊断技术成为了该领域内的研究重点。首先统计了汽轮发电机组振动故障的概率分布,阐述了主要的非线性振动故障机理;其次综述了振动故障的非线性特征提取技术、基于数据驱动的非线性振动故障诊断方法的研究进展;最后展望了汽轮发电机组非线性振动故障诊断技术的发展方向：将虚拟现实、数字孪生、人工智能、数据挖掘深度融合,实现汽轮发电机组非线性振动故障诊断。     

汽轮发电机组基础框架振动故障的诊断及消除

某厂一台汽轮发电机组正式投产以来，机组基础框架的振动一直很大，后经分析诊断，找出了振动大的原因，彻底消除了此故障。     

基于自适应小波网络的汽轮发电机组振动故障诊断方法的研究

基于自适应小波网络理论,构造了一个应用于汽轮发电机组振动故障诊断与识别的自适应小波网络分类器。仿真结果表明,该方法具有良好的诊断性能,且收敛速度快,是一种有效的诊断方法。同时对该网络的分类性能进行了分析,得出了一些具有实际价值的结论。     

基于核Fisher子空间特征提取的汽轮发电机组过程监控与故障诊断

提出了基于核Fisher子空间特征提取的汽轮发电机组过程监控和故障诊断新方法。该方法首先利用非线性核函数将数据从原始空间映射到高维特征空间，然后在高维特征空间中利用线性Fisher判别分析法提取数据最优的核Fisher特征矢量和判别矢量来实现过程监控。若系统出现故障，则根据当前的判别矢量与历史故障数据集中所含故障的最优核Fisher判别矢量的相似度进行故障诊断。该方法能有效地捕获过程变量之间的非线性关系，过程监控和故障诊断效果明显好于线性Fisher判别法。汽轮发电机组历史故障特征数据集仿真试验证明了该方法的有效性。     

基于固有时间尺度分解的风电机组轴承故障特征提取

针对风电机组调心滚子轴承故障振动信号非平稳、非线性的特点,提出了基于固有时间尺度分解(ITD)的轴承故障特征提取方法。ITD方法可以将复杂信号分解成若干个固有旋转分量和一个趋势分量之和,能准确地展示非平稳信号的动态特性,有较高的拆解效率和频率分辨率。分析结果表明,ITD方法能有效地提取风电机组轴承故障特征,可用于在线故障诊断。     

基于双谱分析的大型汽轮机振动故障特性提取

汽轮机轴系振动通常以与转速同步的频率(基频)及其谐波成分为主,具有典型的亚高斯信号特征,多数轴系故障均表现为某些谐波成分的变化,并且谐波间存在一定程度的非线性耦合作用,使得基于二阶统计量的功率谱分析技术在故障原因分析和特征提取方面受到限制。该文针对大型汽轮机组在实际运行中出现的某种具有半频特征的不稳定振动现象,将高阶谱应用于实测轴系振动信号分析,通过对比分析稳定状态和不稳定状态下振动信号的双谱和1(1/2)分数维谱,确定引起不稳定振动的半频成分的非线性谐波耦合特性。在此基础上,提出采用双谱的边际谱以及1(1/2)分数维谱中对应成分作为特征值,对不稳定振动现象的变化趋势进行监测。分析结果表明,这种特征提取方法可以更加明显地表现异常振动的变化,具有故障反映灵敏度高的特点,并可以有效抑制测量振动信号中的高斯噪声,可以为自动故障诊断提供更有效的特征参数。     

基于小波脊线的笼型异步电动机转子故障特征提取

提出了基于小波脊线的渐近信号瞬时频率提取算法 ,并应用到异步电动机转子故障特征提取中。异步电动机转子故障时 ,相应地定子电流中便含有频率为 (1 - 2s) f1的附加电流分量。由于异步电动机起动过程中转差率s是连续变化的 ,(1 - 2s) f1则以 f1→ 0→f1的规律进行变化 ,因此可以通过应用小波脊线分析异步电动机定子起动电流信号来提取转子故障特征。实验结果证明了本方法的有效性     

汽轮发电机组振动故障诊断方法的探讨

分析了目前故障诊断方法存在的问题,改进了智能诊断方法。根据机组的状态和振动频率,提出了分阶段、分层次的诊断策略,提高了故障诊断的准确率。     

PLC冗余设计的风力发电机控制系统

针对风力发电机的控制系统在可靠性方面存在的问题,提出一种基于Vx Works实时操作系统的PLC硬件冗余的控制方案。文中阐述风力发电机控制系统的PLC硬件冗余结构和工作原理,并给出评价系统可靠性的指标及其计算方法。通过PLC硬件冗余的设计结构图,并结合逻辑框图分析法,提出一种提高风机控制系统可靠性的方案。搭建PLC硬件冗余系统进行可靠性试验,结果表明基于Vx Works实时操作系统的PLC硬件冗余的安全性和可靠性更高,可满足风力发电机的控制需求。     

风电机组发电机轴承电腐蚀故障的分析诊断

电腐蚀故障是风电机组发电机轴承的常见故障模式,电腐蚀故障通常分布在整个轴承滚道上,产生的振动响应信号中故障冲击特征往往不如局部故障明显,因此容易被忽视。针对电腐蚀故障振动信号的这种特点,采用一种最小熵解卷积方法对振动信号进行预处理,增强信号中的故障冲击成分。然后再应用包络谱分析方法提取故障特征信息,以提升故障诊断的效果。论述了最小熵解卷积方法的基本原理和实现流程,将该方法应用于一台实际风电机组发电机轴承的电腐蚀故障诊断中,通过对实测振动信号的分析处理,实现了电腐蚀故障的识别诊断,验证了最小熵解卷积方法对故障信息增强的使用效果。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状况;根据不同故障发生时的频谱特征,识别出不同的故障,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。     

基于Hilbert和CA-VMD的风电机组叶轮不平衡故障电信号特征提取方法

针对风电机组叶轮系统故障的非线性、非稳定性和耦合性使早期微弱故障特征频率处于强背景噪声下难以提取的问题,并考虑到传统故障信号采集方法存在的局限性,从电信号入手,提出了一种基于希尔伯特变换和变分模态分解相关性分析(CA-VMD)的风电机组叶轮系统不平衡故障的电信号特征提取方法。首先,针对传统频域分析方法直接对故障电信号进行分析而无法提取故障特征频率的问题,引入Hilbert变换解调出故障调制信号;然后,针对强背景噪声下早期微弱故障特征难提取的问题,引入变分模态分解将故障调制信号分解,并通过相关性分析剔除噪声分量;最后,重构故障调制信号并提取故障特征频率,提高了原始故障信号的信噪比。通过仿真分析,证明了所提方法的有效性。     

基于特征提取的有源电力滤波器故障诊断方法

针对有源电力滤波器APF(Active Power Filter)的IGBT功率管易发生故障的问题,提出了基于故障特征提取的有源电力滤波器故障诊断方法。构建了APF故障仿真模型和基于小波包分析的故障特征提取方法,仿真分析了APF网侧电流波形,并运用小波包分析对IGBT故障时的网侧电流波形进行处理,提取了IGBT故障特征向量,最后运用神经网络对特征向量的分类来实现对APF的故障诊断。在APF故障诊断系统上进行测试,验证了该诊断方法的有效性和可行性。