水輪發(fā)電機(jī)組振動故障診斷關(guān)鍵技術(shù)研究與應(yīng)用.pdf

1、水力發(fā)電在清潔能源消費(fèi)中占據(jù)重要地位，研究水力發(fā)電站設(shè)備的監(jiān)測、控制是水力發(fā)電順利開展的重要保障。水電站安全運(yùn)行的首要前提是保證水輪發(fā)電機(jī)組不受故障影響，能持續(xù)可靠地為電力系統(tǒng)提供電能。近年來，中小水電站的發(fā)展趨勢是“無人值班（少人值守）”，要求提高水輪發(fā)電機(jī)組綜合智能化水平，實(shí)現(xiàn)機(jī)組狀態(tài)檢修。而現(xiàn)有的水輪發(fā)電機(jī)組在線監(jiān)測系統(tǒng)設(shè)備及網(wǎng)絡(luò)配置復(fù)雜，造價(jià)較高，維護(hù)不方便，不能滿足中小水電站性價(jià)比高、操作簡單的訴求。因此，研究適合于中小型水電

2、站的水輪發(fā)電機(jī)組故障診斷關(guān)鍵技術(shù)，具有十分重要的研究意義及工程價(jià)值。
　　振動是影響水輪發(fā)電機(jī)組穩(wěn)定運(yùn)行的重要因素。研究水輪發(fā)電機(jī)組振動故障診斷的核心技術(shù)是對信號的特征提取技術(shù)和故障診斷方法。本文具體工作如下：
　　以廣義S變換為基礎(chǔ)，計(jì)算廣義S變換能量譜，提出基于廣義S變換的能量特征提取方法。該方法利用廣義S變換計(jì)算該振動信號的能量譜，以提取信號特定頻率的能量值，完成對機(jī)組振動信號的特征提??；通過與原信號的標(biāo)準(zhǔn)能量分布進(jìn)行

3、對比分析，結(jié)果表明本文所用的方法能夠提取能量特征，精度較高。
　　結(jié)合廣義S變換與奇異值分解（SVD），提出基于廣義S變換的SVD沖擊特征提取方法；該方法利用廣義S變換計(jì)算振動信號的時(shí)頻譜矩陣，對時(shí)頻譜矩陣做奇異值分解；計(jì)算奇異值的奇異熵，確定奇異熵差分譜前端的最后一個(gè)峰值點(diǎn)的序號為置零閾值坐標(biāo)號；最后完成S逆變換計(jì)算，得到從含噪信號中提取的沖擊特征波形。通過與基于S變換譜分析的沖擊特征提取方法相比，結(jié)果表明本文所采用的方法的沖擊

4、特征提取效果更好。
　　結(jié)合量子粒子群算法（QPSO）與支持向量機(jī)理論（SVM），提出了基于量子粒子群的支持向量機(jī)算法。采用量子粒子群算法對支持向量機(jī)的懲罰因子C和核函數(shù)參數(shù)g進(jìn)行初步尋優(yōu)。支持向量機(jī)采用尋優(yōu)所得參數(shù)C和g完成分類模型的訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，基于量子粒子群的支持向量機(jī)算法（QPSO-SVM）的診斷精度均優(yōu)于基于粒子群的支持向量機(jī)算法（PSO-SVM）和基于遺傳算法的支持向量機(jī)算法（GA-SVM）等方法。
　　為