SA-WNN模型的水電機(jī)組故障診斷??

針對(duì)水電機(jī)組故障樣本少的問(wèn)題,將支持向量機(jī)引入水電機(jī)組故障診斷研究,提出一種結(jié)合小波頻帶分解與最小二乘支持向量機(jī)的水電機(jī)組故障診斷模型。基于機(jī)械設(shè)備\"能量-故障\"映射關(guān)系,運(yùn)用小波分解提取機(jī)組振動(dòng)信號(hào)各頻帶能量特征值,然后將能量特征值輸入到多分類(lèi)的支持向量機(jī),實(shí)現(xiàn)對(duì)機(jī)組不同故障類(lèi)型的識(shí)別。通過(guò)實(shí)驗(yàn)信號(hào)分析,表明將小波能量提取與支持向量機(jī)結(jié)合進(jìn)行水電機(jī)組故障診斷是可行有效的,并具有較高的故障分辨能力,為水電機(jī)組故障診斷提供了新的方法和思路。

重點(diǎn)介紹了水電機(jī)組實(shí)施工況監(jiān)測(cè)的主要工況及其分析診斷技術(shù),并在總結(jié)現(xiàn)場(chǎng)試驗(yàn)研究的基礎(chǔ)上,給出了水電機(jī)組運(yùn)行設(shè)備工況監(jiān)測(cè)與分析診斷的故障類(lèi)型。

對(duì)當(dāng)前水電機(jī)組故障診斷系統(tǒng)的現(xiàn)狀進(jìn)行了討論,并且基于數(shù)據(jù)融合和信息共享的思想,提出將狀態(tài)檢修系統(tǒng)與計(jì)算機(jī)監(jiān)控系統(tǒng)和信息管理系統(tǒng)相結(jié)合的方法,基于研究開(kāi)發(fā)了水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng),達(dá)到了充分利用現(xiàn)有資源,提供智能決策參考的目的

針對(duì)水電機(jī)組故障診斷知識(shí)較為復(fù)雜多樣的特點(diǎn),提出了將產(chǎn)生式模糊規(guī)則表示、神經(jīng)網(wǎng)絡(luò)表示和可視化故障知識(shí)表示等多種方法綜合集成的知識(shí)表達(dá)方式和診斷推理策略。診斷實(shí)例表明,該集成知識(shí)表達(dá)和推理方式的引入有助于增強(qiáng)水電機(jī)組故障診斷專(zhuān)家系統(tǒng)的知識(shí)獲取和表達(dá)能力,提高了系統(tǒng)的推理匹配能力。

作為電廠(chǎng)的重要設(shè)備之一，水電機(jī)組的良好運(yùn)行狀態(tài)是確保水電廠(chǎng)安全運(yùn)行的重要保證。隨著國(guó)內(nèi)水電工程建設(shè)的發(fā)展不斷加快，水電機(jī)組開(kāi)始往高效率、大容量、高轉(zhuǎn)速以及高水頭的設(shè)計(jì)方向進(jìn)行發(fā)展，在設(shè)計(jì)采用的材料擁有更高的強(qiáng)度，不僅增加了機(jī)組尺寸，減小了相對(duì)剛度，并且采用更加靈活的構(gòu)件，因此對(duì)機(jī)組運(yùn)行的穩(wěn)定性和可靠性提出了更高的要求。為了對(duì)水電機(jī)組的運(yùn)行狀態(tài)進(jìn)行在線(xiàn)監(jiān)測(cè)和診斷分析，采用了水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)，通過(guò)系統(tǒng)收集機(jī)組運(yùn)行數(shù)據(jù)，上傳給計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行監(jiān)測(cè)分析，對(duì)機(jī)組運(yùn)行過(guò)程中存在的潛在故障進(jìn)行排查和報(bào)警，提前避免重大安全事故的產(chǎn)生，對(duì)保證水電機(jī)組運(yùn)行的安全性和可靠性具有重要的意義。本文主要對(duì)狀態(tài)監(jiān)測(cè)技術(shù)和故障診斷技術(shù)進(jìn)行了分析。

在電廠(chǎng)中,水電機(jī)組是其中十分重要的一個(gè)設(shè)備,其運(yùn)行狀態(tài)與水電廠(chǎng)運(yùn)行的安全性有著直接的聯(lián)系.在我國(guó)水電工程不斷發(fā)展與進(jìn)步的情況下,水電機(jī)組就必須向著以下幾個(gè)方面發(fā)展:效率更高;容量更大;轉(zhuǎn)速更快;水頭更高等,除此之外,為了能夠更好的滿(mǎn)足當(dāng)前時(shí)代對(duì)機(jī)組的更高需求,還應(yīng)該盡量選擇具有高強(qiáng)度的材料以及靈活性更高的構(gòu)件.為了能夠讓水電組實(shí)現(xiàn)更加穩(wěn)定、安全且可靠的運(yùn)行,就需要在線(xiàn)監(jiān)測(cè)水電組的運(yùn)行狀態(tài)并進(jìn)行相應(yīng)的診斷分析,為了能夠提高這些工作的準(zhǔn)確性和效率,可以在這個(gè)過(guò)程中使用水電組狀態(tài)檢測(cè)系統(tǒng)以及故障診斷系統(tǒng),接下來(lái)是將系統(tǒng)收集到的有關(guān)數(shù)據(jù)信息上傳到計(jì)算機(jī)網(wǎng)絡(luò)中,進(jìn)行相應(yīng)的監(jiān)測(cè)分析,從而更好的排查機(jī)組運(yùn)行過(guò)程中存在的問(wèn)題,并及時(shí)的采取合理的措施加以解決,避免機(jī)組運(yùn)行過(guò)程中出現(xiàn)故障問(wèn)題.為此,本文對(duì)水電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)進(jìn)行了相關(guān)研究與分析,為后續(xù)相關(guān)工作的進(jìn)行提供了一定的參考和依據(jù).

水電機(jī)組的振動(dòng)信號(hào)為典型的非平穩(wěn)、非線(xiàn)性信號(hào)。為了通過(guò)振動(dòng)信號(hào)正確判斷水電機(jī)組的運(yùn)行狀態(tài)，本文提出運(yùn)用經(jīng)驗(yàn)?zāi)B(tài)分解處理原始信號(hào)，并對(duì)獲得的基本模式分量計(jì)算其復(fù)雜度特征，最后運(yùn)用最小二乘支持向量機(jī)進(jìn)行故障診斷。選取徑向基函數(shù)作為核函數(shù)，并通過(guò)網(wǎng)格搜索和交叉驗(yàn)證確定相關(guān)參數(shù)。結(jié)果表明，經(jīng)驗(yàn)?zāi)B(tài)分解復(fù)雜度特征和支持向量機(jī)結(jié)合，能夠準(zhǔn)確地實(shí)現(xiàn)故障診斷，確定故障類(lèi)型，為機(jī)組運(yùn)行維護(hù)人員提供參考依據(jù)。

針對(duì)傳統(tǒng)方法難以精確提取水電機(jī)組非平穩(wěn)振動(dòng)信號(hào)的故障特征,首先引入變分模態(tài)分解(variationalmodaldecomposition,vmd)將水電機(jī)組非平穩(wěn)振動(dòng)信號(hào)分解為一系列中心頻段互不重疊的imf分量,進(jìn)而采取能量法提取各imf分量的故障特征,最后將提取的故障特征向量輸入到本文建立的基于遺傳算法優(yōu)化支持向量機(jī)的故障診斷模型中,實(shí)現(xiàn)故障模式的識(shí)別與診斷。將該方法應(yīng)用于實(shí)際水電機(jī)組故障振動(dòng)信號(hào)的處理中,仿真結(jié)果表明,該方法能夠有效識(shí)別機(jī)組的異常狀況,具有較高的故障診斷正確率。

為提高水電機(jī)組故障診斷的準(zhǔn)確率,提出基于優(yōu)化支持向量機(jī)多分類(lèi)器的水電機(jī)組故障診斷方法。支持向量機(jī)(supportvectormachine,簡(jiǎn)稱(chēng)svm)在解決小樣本問(wèn)題上有著突出的表現(xiàn),針對(duì)其參數(shù)設(shè)置采用人工蜜蜂群(artificialbeecolony,簡(jiǎn)稱(chēng)abc)進(jìn)行參數(shù)優(yōu)化。建立基于fisher加權(quán)的樸素貝葉斯分類(lèi)器(attributefisherweightednaivebayesclassifier,簡(jiǎn)稱(chēng)fwnbc)和基于mahalanobis距離的分類(lèi)器(mahalanobisdistanceclassifier,簡(jiǎn)稱(chēng)mdc),并與優(yōu)化的支持向量機(jī)分類(lèi)器組合成為fwnbc+mdc+優(yōu)化svm的分類(lèi)融合模型,以基于優(yōu)化微分經(jīng)驗(yàn)?zāi)Ｊ椒纸夥?differentialempiricalmodedecomposition,簡(jiǎn)稱(chēng)demd)提取的分量作為輸入特征向量,應(yīng)用融合模型對(duì)水電機(jī)組故障進(jìn)行診斷,以投票為決策方法。實(shí)驗(yàn)結(jié)果表明該模型對(duì)于未經(jīng)優(yōu)化的支持向量機(jī)和特征提取以及單一的分類(lèi)器,能有效提高故障識(shí)別的準(zhǔn)確率。

針對(duì)水電機(jī)組常規(guī)振動(dòng)故障診斷分類(lèi)器不能反映分類(lèi)中的不確定信息的不足,提出一種基于粗糙集的一對(duì)一(1-v-1)多類(lèi)支持向量機(jī)分類(lèi)方法。該方法充分利用粗糙集對(duì)不確定、不完整數(shù)據(jù)和復(fù)雜模式的良好刻畫(huà)能力及支持向量機(jī)優(yōu)秀的泛化能力,應(yīng)用粗糙集最核心的思想:上、下近似來(lái)描述支持向量機(jī)分類(lèi)結(jié)果。結(jié)合1-v-1方法實(shí)現(xiàn)支持向量機(jī)的多類(lèi)分類(lèi),導(dǎo)出多類(lèi)分類(lèi)時(shí)樣本的上、下近似和邊界區(qū)域的集合表示,并以規(guī)則的形式對(duì)分類(lèi)器進(jìn)行描述。用所提方法對(duì)國(guó)際標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并應(yīng)用于某水電廠(chǎng)機(jī)組振動(dòng)故障診斷。所得結(jié)果與單純1-v-1多類(lèi)支持向量機(jī)方法比較,結(jié)果表明該分類(lèi)器具有規(guī)則簡(jiǎn)潔、分類(lèi)階段所需存儲(chǔ)空間小,能夠反映故障模式分類(lèi)中的不確定信息等優(yōu)點(diǎn)。

提出應(yīng)用粗糙集和支持向量機(jī)水電機(jī)組振動(dòng)的故障診斷模型。運(yùn)用粗糙集理論對(duì)水電機(jī)組振動(dòng)信號(hào)的屬性特征進(jìn)行預(yù)處理,在約簡(jiǎn)去除其冗余屬性后得到?jīng)Q策表,將決策表作為支持向量機(jī)的學(xué)習(xí)樣本,通過(guò)訓(xùn)練,使構(gòu)建的支持向量機(jī)多分類(lèi)器能夠反映屬性特征和故障類(lèi)型的映射關(guān)系,從而達(dá)到故障診斷的目的。測(cè)試結(jié)果表明,與常規(guī)方法相比,應(yīng)用粗糙集和支持向量機(jī)相結(jié)合的方法進(jìn)行故障診斷具有簡(jiǎn)單有效、診斷速度快和良好的魯棒性等優(yōu)點(diǎn),是一種有效的診斷方法。

提出了一種利用小波包分析提取水電機(jī)組的振動(dòng)故障特征和基于支持向量機(jī)的水電機(jī)組振動(dòng)故障診斷方法。以二值分類(lèi)為基礎(chǔ),構(gòu)建了基于支持向量機(jī)的多值分類(lèi)器。先對(duì)水電機(jī)組的振動(dòng)信號(hào)進(jìn)行頻譜分析,提取該信號(hào)在頻率域的特征量,將頻譜特征向量作為學(xué)習(xí)樣本,通過(guò)訓(xùn)練,使分類(lèi)器能夠建立頻譜特征向量和故障類(lèi)型的映射關(guān)系,從而達(dá)到故障診斷的目的,并以水電機(jī)組振動(dòng)多故障分類(lèi)為例,進(jìn)行了應(yīng)用檢驗(yàn)。結(jié)果表明,與常規(guī)方法相比,該方法簡(jiǎn)單有效、并具有很好的分類(lèi)能力和良好的魯棒性,可以滿(mǎn)足在線(xiàn)故障診斷的要求,適合水電機(jī)組振動(dòng)故障的診斷。該方法為水電機(jī)組故障診斷向智能化發(fā)展提供了新的途徑。

針對(duì)遼寧省桓仁水電站計(jì)算機(jī)監(jiān)控系統(tǒng)的機(jī)組振動(dòng)故障診斷功能缺陷,提出了基于灰色關(guān)聯(lián)分析的水電機(jī)組振動(dòng)故障診斷方案.事實(shí)證明該診斷方案具有良好的實(shí)際應(yīng)用效果,可以有效提高桓仁水電站機(jī)組檢修效率.

一、診斷檢修是計(jì)劃?rùn)z修的進(jìn)步以往電力系統(tǒng)的設(shè)備檢修是按計(jì)劃?rùn)z修原則進(jìn)行的,根據(jù)原水利電力部頒發(fā)的“發(fā)電廠(chǎng)檢修規(guī)程”規(guī)定的周期、工期、項(xiàng)目,“到期必修、修必修好?！币?guī)定的依據(jù)基本

在研究有關(guān)數(shù)據(jù)融合理論及其算法的基礎(chǔ)上,將不同特性的數(shù)據(jù)進(jìn)行綜合和推理,用以解決水電機(jī)組故障診斷的多源信息處理問(wèn)題。

將小波包分解及重構(gòu)技術(shù)用于轉(zhuǎn)子軸心軌跡提純,利用離散余弦變換實(shí)現(xiàn)軸心軌跡的自動(dòng)識(shí)別,結(jié)合水輪發(fā)電機(jī)組故障診斷系統(tǒng),實(shí)現(xiàn)了軸心軌跡圖形征兆的提取,論證了所述方法的合理性和可行性.利用該方法提高了系統(tǒng)的診斷速度和精度

提出了一種開(kāi)發(fā)水電機(jī)組故障診斷專(zhuān)家系統(tǒng)的設(shè)計(jì)思想及實(shí)現(xiàn)方法.通過(guò)采用產(chǎn)生式規(guī)則來(lái)表示知識(shí),運(yùn)用正反向推理機(jī)制,動(dòng)態(tài)豐富知識(shí)庫(kù),實(shí)現(xiàn)水電機(jī)組振動(dòng)的在線(xiàn)(離線(xiàn))監(jiān)測(cè)和故障診斷,并提供診斷結(jié)果和相應(yīng)的故障處理措施,為水電廠(chǎng)從計(jì)劃?rùn)z修向狀態(tài)檢修提供可靠的技術(shù)保證.該系統(tǒng)具有人機(jī)界面友好、運(yùn)行速度快、信息存儲(chǔ)量大、開(kāi)發(fā)周期短、易于維護(hù)、擴(kuò)充等特點(diǎn)

介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和ｂｐ網(wǎng)絡(luò)模型及算法，并將神經(jīng)網(wǎng)絡(luò)中的ｂｐ模型應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對(duì)診斷系統(tǒng)性能的影響。實(shí)驗(yàn)證明，基于ｂｐ網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法具有較高的實(shí)用價(jià)值。

介紹了人工神經(jīng)網(wǎng)絡(luò)的基本性能和bp網(wǎng)絡(luò)模型及算法，并將神經(jīng)網(wǎng)絡(luò)中的bp模型應(yīng)用于水輪發(fā)電機(jī)組振動(dòng)故障診斷中，比較了選擇不同的網(wǎng)絡(luò)參數(shù)對(duì)診斷系統(tǒng)性能的影響。實(shí)驗(yàn)證明，基于bp網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷方法具有較高的實(shí)用價(jià)值。

概略地介紹了tn8000水電機(jī)組狀態(tài)監(jiān)測(cè)分析故障診斷系統(tǒng)的作用及適用范圍,畫(huà)出了系統(tǒng)的網(wǎng)絡(luò)構(gòu)成圖,詳細(xì)介紹了系統(tǒng)的各種功能,給出了該系統(tǒng)在實(shí)際工程中的應(yīng)用實(shí)例。

針對(duì)水電機(jī)組激振試驗(yàn)的特點(diǎn)，設(shè)計(jì)、制造并標(biāo)定了大型力錘。它克服了信噪比不高的缺點(diǎn)，使瞬態(tài)激振成功地應(yīng)用于水電機(jī)組的實(shí)驗(yàn)分析，并取得了較高的試驗(yàn)精度。

介紹了對(duì)我國(guó)100多臺(tái)已運(yùn)行的水輪機(jī)氣蝕調(diào)查結(jié)果,分析了氣蝕改善的原因,并給了有關(guān)水輪機(jī)比轉(zhuǎn)數(shù)和裝置氣蝕系數(shù)的統(tǒng)計(jì)關(guān)系曲線(xiàn)等。