發(fā)電機組設備在線監(jiān)測故障診斷系統研究.pdf

1、本論文主要針對巴陵石油化工有限責任公司熱電事業(yè)部的汽輪發(fā)電機組在線狀態(tài)監(jiān)測項目，結合先進的信號處理方法、現代電子測控技術和流行的網絡架構，提出并實現了一套由嵌入式數據采集單元、工作站監(jiān)測分析子系統、web服務器故障分析軟件組成的狀態(tài)監(jiān)測系統。 文章首先概述了狀態(tài)監(jiān)測技術的內容和應用，接著分析了國內外研究現狀和發(fā)展趨勢以及相關技術最新進展。通過這幾方面的討論引出系統所采用C／S和B／s軟件架構模式和信號采集子系統的性能特點及技術指

2、標。 故障診斷處理算法的研究是本文主要討論的內容。系統實現的故障診斷處理算法可以分為時域分析、頻域分析和時頻分析三大類。系統可以分析平穩(wěn)信號和非平穩(wěn)信號，實現了實時地在時間域、頻率域內了解機組運行狀態(tài)的功能。借助wigner分布等時頻分析工具，系統還具有在時頻域(時間．頻率域)上分析具體故障的發(fā)生時間和位置的能力。本文從理論入手，討論了小波分析的物理意義，深入分析了其在振動故障診斷中具有的優(yōu)異特性。系統實現了振動信號基于Mall

3、at算法的小波分解、奇異信號檢測和小波閥值去噪。 本文提出并設計了一套基于Leverherg Marquardt BP神經網絡的專家系統。 專家系統采用振動信號經過dh5小波包分解的第三層子空間的能量特，征向量作為神經網絡的輸入。仿真結果表明，此專家系統在訓練中能夠迅速收斂避免陷入局部極小值，而且同時具有較好的容錯性和較高的穩(wěn)定性。 上述發(fā)電機組在線監(jiān)測故障診斷系統己成功地應用于巴陵石油化工有限責任公司，系統運