水電機(jī)組振動(dòng)故障的智能診斷方法研究.pdf

1、隨著水電機(jī)組單機(jī)容量的提高以及在電力系統(tǒng)中所占的比重越來越大，如何確保機(jī)組的可靠和穩(wěn)定運(yùn)行，已成為電力行業(yè)一個(gè)極為關(guān)注的問題。振動(dòng)是水電機(jī)組運(yùn)行中最為常見的故障之一，強(qiáng)烈的振動(dòng)將直接危及到機(jī)組乃至電力系統(tǒng)的安全運(yùn)行。因此，對機(jī)組振動(dòng)故障進(jìn)行診斷，及時(shí)發(fā)現(xiàn)和排除系統(tǒng)故障，對保障水電機(jī)組穩(wěn)定運(yùn)行十分重要。本文系統(tǒng)開展了水電機(jī)組振動(dòng)故障診斷的方法研究，完成了以下幾個(gè)方面的工作： 進(jìn)行了水電機(jī)組振動(dòng)信號的信噪分離研究，提出利用第二代小波

2、對水電機(jī)組振動(dòng)信號進(jìn)行消噪的方法。通過設(shè)計(jì)預(yù)測系數(shù)和提升系數(shù)獲得具有某種特性的小波基函數(shù)，使得針對不同類型的故障特征能夠構(gòu)造出相應(yīng)的小波基函數(shù)。所完成的水電機(jī)組振動(dòng)信號消噪處理結(jié)果合理，計(jì)算速度快。該方法解決了小波消噪需要選擇小波基函數(shù)的難題，進(jìn)一步完善了信號消噪的理論。 開展了水電機(jī)組振動(dòng)故障特征提取的研究，基于Parseval能量積分等式，提出利用小波包分解方法提取水電機(jī)組振動(dòng)頻譜的能量特征。建立了能量變化到各故障類別之間的

3、映射關(guān)系，利于形成一種基于“能量一故障”的故障診斷方法。解決了傳統(tǒng)的頻譜分析方法缺乏對信號的局部特性分析的問題。 在故障特征提取研究的基礎(chǔ)上，將遺傳算法與BP網(wǎng)絡(luò)結(jié)合起來，開展了水電機(jī)組振動(dòng)故障的神經(jīng)網(wǎng)絡(luò)診斷研究，提出了一種應(yīng)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值的遺傳神經(jīng)網(wǎng)絡(luò)故障診斷方法。所提出的遺傳神經(jīng)網(wǎng)絡(luò)故障診斷方法不僅能發(fā)揮神經(jīng)網(wǎng)絡(luò)的泛化和映射能力，而且能使神經(jīng)網(wǎng)絡(luò)具有很快的收斂速度和較強(qiáng)的學(xué)習(xí)能力，解決了BP網(wǎng)絡(luò)收斂性較差和容易收