基于神經(jīng)網(wǎng)絡和小波分析的水力機組振動故障診斷研究.pdf

1、“無人值班”(少人值守)運行方式正在水電行業(yè)廣泛推廣并實施,“狀態(tài)檢修”也己成為一種新的發(fā)展趨勢。在這種新形勢下,不僅要求提高機組的自動化運行水平,更要求機組的運行具有極高的可靠性、安全性和穩(wěn)定性。穩(wěn)定性是機組工作性能中的一項重要指標,對其評價主要通過衡量機組的振動水平來進行。因此,本文從振動角度出發(fā),針對水輪發(fā)電機組的振動特點,采用基于神經(jīng)網(wǎng)絡和小波包方法分析機組振動原因。對選題及其相關背景進行了探討,并對小波基礎理論和神經(jīng)網(wǎng)絡基礎進

2、行了闡述。針對實際應用,對小波和神經(jīng)網(wǎng)絡的相關應用算法進行了詳細探討。主要工作內容包括以下幾個方面:本文首先研究了水輪發(fā)電機組的振動與其他旋轉機械的振動的不同,由于水力、機械、電氣三方面因素引起的振動形成的禍聯(lián)、振動故障與振動特征的非對應性及多種振動在某部位的疊加,形成了水輪發(fā)電機組振動的復雜性。然后在研究小波理論在信號去噪方面的原理和算法的基礎上,針對水力機組故障信號的特殊性,通過對比小波包幾種去噪方法的分析,針對特定信號選取最合適的

3、消噪方法,從而得到了既能保護信號的奇異性特征,又可以取得較好信噪比的新的信號去噪方法,并將其應用于仿真計算,取得了較好的效果。其次是針對水力組振動故障信號,根據(jù)小波包變換的線性特性與能量守恒特性,提出了一種基于小波包變換的故障診斷方法,通過小波包分解的能量特征,得到了故障信號的時域和頻域特征,將其與BP網(wǎng)絡有機結合在一起,利用BP神經(jīng)網(wǎng)絡良好的自學能力和容錯性,建立基于小波包特征提取的BP診斷網(wǎng)絡模型。樣本信號經(jīng)過預處理后,在送給BP神