关键词： 水电机组   振动   故障诊断   最小最大K均值聚类   核函数  

摘要： 基于聚类分析的故障诊断方法能够按照故障样本之间的相似性无监督地将同类故障聚为一簇,当前已成为一类有效的故障诊断策略。为解决传统聚类算法受初始聚类中心的影响,易陷入局部最优解的问题,提出一种最小最大核K均值聚类方法。该方法在聚类过程中为簇内方差赋以与其大小成正比的自动修正的权重,并引入核函数技术以处理低维输入空间的线性不可分问题,大大提高了聚类的精确性。在标准数据上将所提方法与标准K-means及K-means++比较,显示了所提算法的有效性和优越性。基于这一聚类方法提出了一种具有自学习能力的故障诊断模型。将该诊断模型应用于水电机组振动故障诊断,实例验证了模型的可行性。

关键词： 神经网络   专家系统   水电机组   故障诊断  

摘要： 针对水电机组振动诱因多、诊断准确率较低等现象,结合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。

关键词： 水电机组   故障振动   振动测试   分析  

摘要： 故障振动分析技术是确保水轮机组安全、平稳、高效运营的关键技术，在实际水轮机组运行中，如何进一步完善和发展水轮机组故障振动分析技术，对确保水电机组安全、平稳运行有着重要意义。分析水电机组的故障振动测试对于保障水电机组高效平稳运行，保证我国水利资源开发利用的效率，有着重要的作用。

关键词： 水电机组   故障诊断   振动   监测技术  

摘要： 随着水力资源不断的开发利用，水电在电力系统中所占的比例也越来越高，水电机组运行的安全性关系到水电企业的经济效益和安全性能，电机组的事故，通常都会造成严重的经济损失和人身伤亡。本文简要介绍了水电机组故障产生的原因及其主要特征；给出了水电机组故障判别和试验方法；简要介绍了水电机组振动监测技术。通过水电机组故障诊断技术的运用，为实时的掌握机组的运行状态提供了技术支持，能够有利于降低机组的事故率，减少经济损失。

关键词： 水轮发电机组   振动   权重专家   故障诊断   故障树  

摘要： 我国在水电行业发展方面具有非常丰富的水资源优势,水电建设也被提升为国家重点建设项目的重要战略地位,特别近年来国家加大对水电行业的投入,水电装机容量及工程规模不断扩大,其发电量在整个电力系统中所占比例也在一直提升,水电机组的稳定运行对电网的安全、经济运行显得非常重要。因此,开展水电机组设备故障诊断研究是有着十分重要的现实意义。 本文以水轮发电机组振动故障为研究对象,对水轮发电机组结构及工作原理进行了重点研究,全面分析了机组设备各部件之间在结构上的逻辑关系,并以此为基础建立了“水轮发电机组振动”故障树。同时,基于水电机组设备各部件故障概率难以精确获取的状况,将模糊理论引入到故障树分析中,利用权重专家的模糊评判来求取底事件故障发生的概率,对“水轮发电机组振动”故障树进行了相关定性、定量分析并求出各相关重要度。在不同工况下对水轮发电机组做了相关稳定性试验,研究机组振动的特性和规律,分析引起振动产生的根本原因,为预测机组设备部件可能损坏的形式和程度积累统计资料,有助于专家更加准确的对设备故障进行判断。以建立的“水轮发电机组振动”故障树及求取的各底事件模糊失效概率为基础,提出了基于故障树分析的专家诊断系统设计,对系统各模块的设计都做了详细介绍,并将机组试验运行状况记录存储于系统,为机组设备的故障诊断提供技术参考。 本文的研究成果对指导机组设备各部件在设计制造、运行维护、检修等方面提供了可靠的数据参考,所设计的专家系统能够实现故障模式识别及对故障的可靠性预测,为研究开发智能水电机组故障诊断系统奠定了基础,其故障分析理论及分析数据对水电站状态检修有着重要的参考依据。

关键词： 水轮发电机组励磁系统故障诊断   三相整流电路故障仿真   可控硅散热   三维建模与热流仿真   模糊层次分析法  

摘要： 随着我国水电行业硬件方面的不断发展,水电厂对励磁系统的运行效率、使用的安全性和性能的稳定性都有了越来越高的要求。设计优良的励磁设备可以有效的提高水电系统的稳定水平和技术经济指标,对励磁系统进行高效准确的故障诊断和状态评估,有助于励磁系统的安全稳定运行,有助于水电厂提高工作效率、减少人力和时间成本。本文以贵州乌江东风水电厂所使用的EXC9000型励磁系统为研究对象,针对励磁系统中功率柜的核心部分——可控硅整流电路的电路故障及过热故障进行了仿真分析,以可控硅温度为例对励磁系统的运行状态作出评估。具体工作如下:首先,本文在分析了可控硅的物理结构和三相整流电路的电路结构之后,对三相整流桥的导通条件作出了判断。以三相整流桥中不同的可控硅出现故障的情况作为仿真条件,利用Matlab对三相整流故障电路进行仿真。通过总结仿真波形的规律得出通过波形判断三相整流电路可控硅故障类型的方法。进一步,通过人工神经网络模型,以7组不同控制角下单管故障的波形为训练样本,对三相整流电路可控硅故障的具体位置作出判断。随后,针对可控硅容易过热及其温度值很难直接监测的情况,对可控硅进行受热仿真。本文首先分析了可控硅的散热原理、介绍了强迫风冷散热和相变冷却散热的方法。对EXC9000型励磁功率柜的结构进行分析和建模仿真,利用仿真软件Solidworks Flow Simulation对功率柜内的可控硅散热情况进行仿真。针对EXC9000型励磁功率柜配备的两种不同类型的风机分别建模仿真,得出了两个风机仿真效果的对比。为水电厂采取不同散热方法提供了参考意见。最后,采用了模糊层次分析的方法对励磁系统整体进行功能指标层次上的划分,在确定层次分析模型的指标层(底层)元素后,利用模糊数学的概念,以功率柜温度指标为例对励磁系统运行状态作出评估,通过整体状态的评估使得水电厂工作人员可以根据评估的意见更加合理地安排相关检修,从而在一定程度上改善了定期检修所存在的冗余与低效率。

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。

关键词： 水电机组   振动故障   智能诊断   频谱分析   支持向量机   摆度信号  

摘要： 水轮发电机组振源繁多，振动故障较为常见。目前的振动故障诊断研究，仅仅利用了振动的幅值和频率信息，忽略了相位信息而且智能诊断的信息源往往是单一测点的振动信号，只能从一个角度反映机组局部的振动状况，难以揭示整机振动的全貌。为了提高智能诊断的可信度和准确率，有必要完整地利用振动的幅、频、相信息，对机组的振动监测信号进行综合分析。　　本文在全息谱和支持向量机的基础上，提出了新的水电机组振动故障的智能诊断方法。首先，针对主轴摆度信号具有密集型频谱的特点，采用密集频谱细化校正技术对摆度信号进行频谱分析，得到了高精度的幅值谱和相位谱;其次，通过对摆度信号幅值信息和相位信息的融合以及多传感器信息的融合，在主轴摆度的各监测断面上构造了二维全息谱，并从中提取全息故障特征;最后，利用支持向量机建立了从故障特征到故障类型之间的映射关系，进而实现水电机组振动故障的智能诊断。在仿真诊断中，所提出的诊断方法在小样本情况下能够准确辨识常见的振动故障。证明相位信息蕴含着重要的故障信息，融合了振动幅值信息和相位信息的全息故障特征可以表现不同故障间的显著差异，基于全息谱和支持向量机的振动故障诊断方法能够适应水电机组故障样本稀缺的特点，具有良好的自学习能力和工程应用价值。

关键词： 支持向量数据描述(SVDD)   K近邻(KNN)   模糊阈值   不平衡   故障诊断  

摘要： 水电机组振动故障诊断中常面临样本稀缺及分布不均匀、不平衡等问题,严重影响诊断结果。针对此类问题提出一种基于模糊K近邻(K nearest neighbor,KNN)支持向量数据描述(support vector data description,SVDD)的故障诊断模型。首先利用核变换将故障样本映射到高维特征空间,并采用SVDD提取不平衡故障样本域的边界支持向量样本,构建基于相对距离模糊阈值和KNN的决策规则,最终在此基础上建立机组故障诊断模型。用该模型对经过不平衡处理的国际标准测试数据样本进行测试实验,并与支持向量机(support vector machine,SVM)及目前应用较多的SVDD模型的分类结果进行对比,结果表明该模型可有效解决不平衡样本分类倾斜性问题。最后,将模型用于某水电厂机组振动故障诊断,取得了较高的诊断精度,证明了该方法的有效性。

关键词： 水轮机组   小波分析   故障分析   Lipschitz指数   特征提取  

摘要： 通过小波变换的手段对国内某水轮机组的振动异常进行故障分析,详细的阐明了小波奇异性检测的原理以及小波基函数选择的要求。采用Mallat算法,选用Db4小波在多分辨分析下对机组摆度信号进行处理成功提取出故障点的位置,并结合不同的频率分析出机械因素和水力因素造成故障的原因。最后运用连续小波变换的模极大值与尺度的对数关系进行图像拟合,计算出奇异点的Lipschitz指数,以此作为故障信号的特征。通过比较两种不同因素影响的奇异点处的Lipschitz指数,证明其作为故障信号的特征参数对衡量机组故障程度有指导意义。