水電機(jī)組智能故障診斷的多元征兆提取方法.pdf

1、隨著我國(guó)能源結(jié)構(gòu)的不斷優(yōu)化調(diào)整，電網(wǎng)規(guī)模逐步擴(kuò)大，水電能源比重日趨增大，所擔(dān)負(fù)的調(diào)峰調(diào)頻任務(wù)也愈加艱巨，這對(duì)水電能源生產(chǎn)核心設(shè)備——水電機(jī)組運(yùn)行的安全穩(wěn)定性提出了更加嚴(yán)格的要求。伴隨著水電機(jī)組巨型化、復(fù)雜化的發(fā)展，機(jī)組故障發(fā)生、演化過(guò)程中水機(jī)電等多種因素的耦合作用越發(fā)突顯，故障與征兆間的映射關(guān)系極為復(fù)雜，傳統(tǒng)的基于單一類型征兆模式識(shí)別的故障診斷方法已經(jīng)很難滿足機(jī)組故障診斷可靠性的要求，迫切需要綜合提取水電機(jī)組故障多元征兆以進(jìn)行全面診斷，

2、保證水電機(jī)組故障診斷的可靠性。本文針對(duì)水電機(jī)組振動(dòng)故障診斷及其工程應(yīng)用中的若干關(guān)鍵科學(xué)問(wèn)題，以水電機(jī)組振動(dòng)故障的多元征兆提取為切入點(diǎn)，引入先進(jìn)信號(hào)分析與圖像處理方法，深入探究其理論基礎(chǔ)及工程應(yīng)用背景，并結(jié)合水電機(jī)組故障特點(diǎn)進(jìn)行改進(jìn)，提高故障征兆辨識(shí)的有效性，同時(shí)針對(duì)不同征兆所得診斷結(jié)果可能存在的局部決策沖突問(wèn)題，綜合運(yùn)用特征聯(lián)合與決策融合的方法對(duì)多元征兆信息進(jìn)行融合，形成基于多元征兆提取的融合智能故障診斷體系并應(yīng)用于水電機(jī)組的振動(dòng)故障診

3、斷之中。論文的主要研究?jī)?nèi)容及創(chuàng)新性成果如下：
　?。?）深入研究了經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）中的模態(tài)混疊問(wèn)題，并針對(duì)此問(wèn)題提出了一種多重微分經(jīng)驗(yàn)?zāi)B(tài)分解方法，運(yùn)用微分運(yùn)算增強(qiáng)高頻分量的特性來(lái)改善頻率混疊問(wèn)題。該方法首先對(duì)原始信號(hào)及其各階微分信號(hào)進(jìn)行EMD分解，形成本征模態(tài)函數(shù)矩陣，然后求取各階微分信號(hào)的能量分布，聯(lián)合獲得能量特征矩陣，并以此作為故障征兆完成故障的識(shí)別與診斷。通過(guò)仿真及實(shí)驗(yàn)驗(yàn)證，該方法能夠一定程度上改善頻率混疊現(xiàn)象，對(duì)水

4、電機(jī)組故障診斷精度的提高具有一定的促進(jìn)作用。
　?。?）針對(duì)軸心軌跡識(shí)別過(guò)程中，其形狀特征難以有效獲取的問(wèn)題，提出了基于統(tǒng)計(jì)模糊矢量鏈碼的軸心軌跡自動(dòng)識(shí)別方法。首先引入模糊矢量依據(jù)軸心軌跡內(nèi)角信息對(duì)軸心軌跡的邊界進(jìn)行編碼，繼而運(yùn)用統(tǒng)計(jì)模糊矢量鏈碼提取軸心軌跡的形狀特征，最后，以此為依據(jù)，采用支持向量機(jī)對(duì)軸心軌跡進(jìn)行分類，完成其自動(dòng)識(shí)別。與傳統(tǒng)特征提取方法的對(duì)比試驗(yàn)結(jié)果表明，統(tǒng)計(jì)模糊矢量鏈碼具有計(jì)算簡(jiǎn)單、可分性高的優(yōu)點(diǎn)，能夠有效的提

5、取軸心軌跡的形狀特征，進(jìn)而更加準(zhǔn)確的識(shí)別出軸心軌跡類型，有助于水電機(jī)組故障自動(dòng)診斷的實(shí)現(xiàn)。
　?。?）分析了當(dāng)前水電機(jī)組故障診斷中振動(dòng)與其他狀態(tài)參量相關(guān)性特征提取方法的缺點(diǎn)，引入了運(yùn)用關(guān)系曲線形狀來(lái)表征振動(dòng)相關(guān)性特征的思想；以振動(dòng)轉(zhuǎn)速關(guān)系為例，研究了水電機(jī)組振動(dòng)隨轉(zhuǎn)速變化的趨勢(shì)，針對(duì)振動(dòng)轉(zhuǎn)速關(guān)系曲線的非閉合性、函數(shù)性等諸多特點(diǎn)，對(duì)統(tǒng)計(jì)模糊矢量鏈碼進(jìn)行相應(yīng)改進(jìn)，按照轉(zhuǎn)速遞增的順序，依次對(duì)曲線上各點(diǎn)進(jìn)行編碼，實(shí)現(xiàn)二維點(diǎn)劃分下的非閉合曲

6、線編碼，最后利用鏈碼的統(tǒng)計(jì)特征表征曲線的形狀，使其具有平移、縮放不變性。并以此作為曲線形狀特征，完成振動(dòng)轉(zhuǎn)速關(guān)系曲線的自動(dòng)識(shí)別。通過(guò)仿真試驗(yàn)證明了該方法的有效性，同時(shí)將該方法應(yīng)用于二灘水電廠3號(hào)機(jī)組的振動(dòng)問(wèn)題分析中，驗(yàn)證了方法的工程實(shí)用價(jià)值。
　?。?）圍繞水電機(jī)組故障診斷實(shí)際應(yīng)用中，先驗(yàn)經(jīng)驗(yàn)缺乏，準(zhǔn)確、完備訓(xùn)練樣本難以獲取的問(wèn)題，深入研究了無(wú)監(jiān)督學(xué)習(xí)模式識(shí)別方法，將模糊核聚類應(yīng)用于機(jī)組故障的識(shí)別中。針對(duì)其核參數(shù)選擇與最優(yōu)聚類中心

7、獲取的主要難題，提出了一種仿電磁蜂群加權(quán)模糊核聚類算法：給每個(gè)樣本特征設(shè)置權(quán)重，表征其貢獻(xiàn)度的大??；將聚類中心、核參數(shù)以及征兆權(quán)重同時(shí)作為聚類模型的優(yōu)化變量，實(shí)現(xiàn)其同步尋優(yōu)；以核Xie-Beni指標(biāo)作為聚類模型的目標(biāo)函數(shù)，獲取最佳聚類效果；將人工蜂群算法和仿電磁學(xué)算法有機(jī)結(jié)合，綜合利用兩種進(jìn)化策略，進(jìn)行模型求解，準(zhǔn)確高效的完成聚類。通過(guò)在水電機(jī)組振動(dòng)故障診斷中的應(yīng)用，對(duì)該方法的工程實(shí)用性進(jìn)行了驗(yàn)證。
　?。?）針對(duì)多元征兆故障診斷