关键词:
水电机组
故障诊断
特征加权
组稀疏
判别投影
摘要:
水电机组作为小水电生产过程中的核心设备,它的运行状况直接关系到水电厂的安全,同时也关系到水电厂能否向电网提供可靠电力。由于水电机组具有构造复杂,机组运行呈季节性,异常振动诱发因素多等特点,日益影响着电网的安全稳定运行。因此,对水电机组进行运行状态监测和故障诊断,以确保水电机组更为稳定的运行,并且最大程度提高发电效益,具有十分重要的意义。传统的故障诊断算法主要基于专业技术人员的经验和知识来推理诊断。这种过分依赖于个人经验和知识的算法目前仍在水电机组故障诊断中占主导地位,其弊端是显而易见的。因此,必须提高设备故障诊断的自动化和智能化程度,实现对设备的高效、可靠的智能诊断。本文研究内容主要针对水电机组故障诊断问题,研究并设计适合水电机组故障诊断的加权组稀疏模式分析系列算法,同时构建故障诊断系统,具体工作包含以下4个方面:(1)针对水电机组噪声样本输入数据结构非线性以及小样本问题,提出了一种改进的核化判别公共向量降维算法,称为高效核化判别公共向量算法。该算法的优势主要包括:能够有效地解决数据非线性分布带来的鉴别难点,同时通过公共向量的引入解决了小样本问题,提升后续模式分类器的鉴别效果。(2)针对水电机组噪声样本数据易丢失信息和含干扰信息等问题,提出了特征加权组稀疏模式分析算法。该算法结合各类重构冗余以及样本距离测度逼近样本分布结构,并兼顾特征加权因子进行奇异点剔除,从样本和特征两方面减少重构表示误差;实验证明算法兼顾了稀疏性、标签信息、特征贡献因素以及局部结构信息。(3)为有效地解决样本数据丢失以及样本维数过高导致的鉴别效率和样本外问题,将降维技术应用到特征加权组稀疏模式分析算法中,提出特征加权组稀疏判别投影模式分析算法。以特征加权组稀疏为基础进行编码系数求解,并计算特征加权约束的类内重构散度矩阵和类间重构散度矩阵。实验该算法证明在减少计算复杂的同时,提高了算法识别能力。(4)提出了水电机组故障诊断系统的设计方案,包括水电机组故障诊断单元设计、机组现地控制单元设计和上位机监控软件设计。并且将所提的特征加权组稀疏判别投影模式分析算法应用到水电机组故障诊断单元,通过对水电机组运行产生的声音数据进行特征的提取和识别,证明了算法在故障诊断中的有效性。