基于小波包能量谱的汽轮机转子故障识别仿真

研究汽轮机转子故障有效识别问题.针对汽轮机转子工作过程中受热不均导致转子弯曲,引起质量分布的不平衡,造成不平衡引起故障震动信号发生波动,传统的震动信号监测方法在故障信号发生波动的情况下,很难准确的检测故障,提出一种利用小波包能量谱的汽轮机转子的故障识别算法.运用汽轮机转子振动信号的总能量以及不同的频带所对应的能量占总能量的比例的计算结果获得了汽轮机转子的故障类型,排除由于故障信号形变造成的干扰.最后,针对200MW发电机组的汽轮机转子进行了故障诊断,研究结果表明,利用小波包能量谱能够较为准确地获得汽轮机转子的故障类型.     

旋转机械振动故障诊断专家系统

针对旋转机械故障诊断智能化程度不高的现状,采用可视化语言LabVIEW作为故障诊断专家系统前端开发平台,采用MySQL作为系统后台数据库,开发了一个基于产生式规则表示知识的旋转机械故障诊断专家系统,介绍了该系统的总体结构、知识库、推理机的设计;最后给出该专家系统的实例验证,在INV1612转子实验平台上,添加动平衡配重钉一枚,提高转子转速至1 800r/min,验证了系统对转子质量不平衡故障诊断的可行性,去掉配重钉,提高转子转速至6 100r/min,验证了系统对油膜涡动故障诊断的有效性;实验结果表明,文中开发的故障诊断专家系统具有一定的实用价值。     

基于改进PCA联合SVM的电厂设备故障诊断方法

转子系统是燃气轮机极为重要的组成部件,对其进行故障诊断与分析对燃气轮机的安全稳定运行具有重要意义。转子故障信号为典型的非线性、非平稳和微弱性时间序列。提出了一种基于改进主成分分析(Improved Principal Component Analysis, ImPCA)的燃气轮机转子故障诊断方法。首先针对传统PCA主分量个数确定难题,将贝叶斯理论引入PCA,构建贝塔先验主成分分析模型对转子故障信号进行自适应分解,将其转化为少数几个主分量(Principal Component, PC)之和的形式,然后将PC对应的大特征值作为特征向量并构建SVM分类器进行分类,实现对“不平衡故障”“动静件碰磨故障”和“不对中故障”三种燃气轮机转子故障的有效分类诊断。基于实际数据的实验结果表明,所提方法能够获得97.2%的平均诊断正确率,并且具有噪声稳健性,适用于实际工程应用场景。     

基于支持向量机的转子系统早期故障诊断方法

转子系统中的振动信号包含了很多状态信息,运行过程中故障特征的有效提取和识别对于转子系统早期故障诊断非常关键。针对转子系统故障信息的复杂性,提出将小波包分析和支持向量机相结合的转子系统早期故障诊断方法。该方法首先利用改进的小波包方法提取早期故障特征;然后将提取的特征向量输入基于支持向量机的分类器进行故障识别。实验分析结果表明,该方法在小样本情况下,能够有效识别转子系统的早期故障,具有很好的分类精度,而且能够实现旋转机械的多故障诊断。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

转子-联轴器-轴承-隔振器系统不对中及锁频故障实验研究

通过搭建转子-联轴器-轴承-隔振器系统实验台来模拟舰船主汽轮齿轮机组及其隔振系统,并通过轴承标高调节装置和不平衡质量来模拟实际机组运行过程中的不对中故障,分别研究了静、动态不对中和低频锁定故障的特征,并给出了解决途径．实验研究结果表明,对于含有隔振器的转子-联轴器-轴承系统,静态不对中和不平衡力等引起的动态不对中都会激起2倍频振动;在转速达到隔振系统的固有频率以后,系统有两个主要的振动频率：基频和被锁定的低频,说明系统出现结构不稳定性,发生概周期分岔,锁频故障会严重威胁转子系统的安全稳定运行．研究结果可以为舰船主汽轮齿轮机组及其隔振系统的不对中和锁频故障诊断以及稳定性理论分析提供实践依据．     

基于小波包分析及神经网络的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡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.分析结果表明: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态,有较好的故障区分度;另外由于经过小波包分解再重构后所提取的故障特征参数浓缩了汽轮机转子振动故障的全部信息,而BP神经网络具有优良的非线性映射能力,对提取的故障特征参数应用BP神经网络映射,可对汽轮机转子振动故障进行进一步的诊断.诊断结果表明:基于小波包分析及神经网络的故障诊断方法,具有较高的故障识别能力.     

不平衡学习在电力设备故障诊断中的应用

针对电力设备中正常类数量多、故障类数量少的特点,传统分类方法不易取得较好效果。笔者提出将不平衡学习应用与故障诊断。根据数据特征引入不平衡学习算法,介绍不平衡学习算法的常用方法,即抽样、集成学习算法和融合不平衡的集成学习算法,并通过实验得到性能最好的故障诊断模型。实验结果表明,自适应合成抽样与极限随机树的融合算法(ADASYN+ET)取得了较好效果,Avg_Acc达到82.53%,G_mean达到80.74%。因此,不平衡学习在电力设备故障诊断中有较好的应用效果。     

异步电机转子故障诊断算法研究

针对异步电机定子电流信号频谱分析法对转子故障诊断时,转子断条和偏心故障特征分量容易受到基波分量的影响,难以准确诊断故障的情况,对传统的瞬时功率信号频谱分析法进行改进.利用Hilbert变换对定子电压、电流进行数学变换,在此基础上得到改进的瞬时功率,然后对改进后的瞬时功率信号进行频谱分析.通过搭建异步电机故障检测实验平台进行了初步模拟实验,实验结果表明,该方法不仅消除了基波分量对故障特征分量的影响,而且还使频谱曲线更加清晰、简洁,突显了故障特征信息,弱化了非故障特征分量,为提高异步电机转子断条和偏心故障诊断的准确性奠定了基础.     

基于电流分析法的电动机故障诊断虚拟仪器系统的研制

运用电流分析法开发了电动机故障诊断虚拟仪器系统;分析了定子匝间短路、转子断条和气隙偏心三类典型的电动机故障,并得出了定子匝间短路的故障特征是定子电流中出现负序分量的结论;转子断条故障会在定子绕组中感应出频率为(1-2s)f的电流,而气隙偏心时的典型特征则是定子电流中出现(Rfr±f)频率成分;以此结论作为故障诊断的理论基础,在LabVIEW软件平台上开发了故障诊断的虚拟仪器系统,编程实现电动机的故障设别;LabVIEW搭建的界面友好,实时显示程序运行的各项结果,操作简单及方便;还对该虚拟仪器系统进行了硬件仿真实验,实验的结论表明设计系统是可行且有效的,能够应用于电动机的故障诊断。