水電機組智能故障診斷的多元征兆提取方法.pdf

1、隨著我國能源結構的不斷優(yōu)化調整，電網(wǎng)規(guī)模逐步擴大，水電能源比重日趨增大，所擔負的調峰調頻任務也愈加艱巨，這對水電能源生產(chǎn)核心設備——水電機組運行的安全穩(wěn)定性提出了更加嚴格的要求。伴隨著水電機組巨型化、復雜化的發(fā)展，機組故障發(fā)生、演化過程中水機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系極為復雜，傳統(tǒng)的基于單一類型征兆模式識別的故障診斷方法已經(jīng)很難滿足機組故障診斷可靠性的要求，迫切需要綜合提取水電機組故障多元征兆以進行全面診斷，

2、保證水電機組故障診斷的可靠性。本文針對水電機組振動故障診斷及其工程應用中的若干關鍵科學問題，以水電機組振動故障的多元征兆提取為切入點，引入先進信號分析與圖像處理方法，深入探究其理論基礎及工程應用背景，并結合水電機組故障特點進行改進，提高故障征兆辨識的有效性，同時針對不同征兆所得診斷結果可能存在的局部決策沖突問題，綜合運用特征聯(lián)合與決策融合的方法對多元征兆信息進行融合，形成基于多元征兆提取的融合智能故障診斷體系并應用于水電機組的振動故障診

3、斷之中。論文的主要研究內容及創(chuàng)新性成果如下：
　　（1）深入研究了經(jīng)驗模態(tài)分解（EMD）中的模態(tài)混疊問題，并針對此問題提出了一種多重微分經(jīng)驗模態(tài)分解方法，運用微分運算增強高頻分量的特性來改善頻率混疊問題。該方法首先對原始信號及其各階微分信號進行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別與診斷。通過仿真及實驗驗證，該方法能夠一定程度上改善頻率混疊現(xiàn)象，對水

4、電機組故障診斷精度的提高具有一定的促進作用。
　?。?）針對軸心軌跡識別過程中，其形狀特征難以有效獲取的問題，提出了基于統(tǒng)計模糊矢量鏈碼的軸心軌跡自動識別方法。首先引入模糊矢量依據(jù)軸心軌跡內角信息對軸心軌跡的邊界進行編碼，繼而運用統(tǒng)計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)，采用支持向量機對軸心軌跡進行分類，完成其自動識別。與傳統(tǒng)特征提取方法的對比試驗結果表明，統(tǒng)計模糊矢量鏈碼具有計算簡單、可分性高的優(yōu)點，能夠有效的提

5、取軸心軌跡的形狀特征，進而更加準確的識別出軸心軌跡類型，有助于水電機組故障自動診斷的實現(xiàn)。
　?。?）分析了當前水電機組故障診斷中振動與其他狀態(tài)參量相關性特征提取方法的缺點，引入了運用關系曲線形狀來表征振動相關性特征的思想；以振動轉速關系為例，研究了水電機組振動隨轉速變化的趨勢，針對振動轉速關系曲線的非閉合性、函數(shù)性等諸多特點，對統(tǒng)計模糊矢量鏈碼進行相應改進，按照轉速遞增的順序，依次對曲線上各點進行編碼，實現(xiàn)二維點劃分下的非閉合曲

6、線編碼，最后利用鏈碼的統(tǒng)計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，完成振動轉速關系曲線的自動識別。通過仿真試驗證明了該方法的有效性，同時將該方法應用于二灘水電廠3號機組的振動問題分析中，驗證了方法的工程實用價值。
　　（4）圍繞水電機組故障診斷實際應用中，先驗經(jīng)驗缺乏，準確、完備訓練樣本難以獲取的問題，深入研究了無監(jiān)督學習模式識別方法，將模糊核聚類應用于機組故障的識別中。針對其核參數(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模糊核聚類算法：給每個樣本特征設置權重，表征其貢獻度的大??；將聚類中心、核參數(shù)以及征兆權重同時作為聚類模型的優(yōu)化變量，實現(xiàn)其同步尋優(yōu)；以核Xie-Beni指標作為聚類模型的目標函數(shù)，獲取最佳聚類效果；將人工蜂群算法和仿電磁學算法有機結合，綜合利用兩種進化策略，進行模型求解，準確高效的完成聚類。通過在水電機組振動故障診斷中的應用，對該方法的工程實用性進行了驗證。
　?。?）針對多元征兆故障診斷