关键词:
水力发电机组
智能故障诊断
多元征兆提取方法
多重微分经验模态分解
统计模糊矢量链码
轴心轨迹识别
振动转速关系曲线
加权模糊核聚类
投影D-S证据理论
摘要:
随着我国能源结构的不断优化调整,电网规模逐步扩大,水电能源比重日趋增大,所担负的调峰调频任务也愈加艰巨,这对水电能源生产核心设备——水电机组运行的安全稳定性提出了更加严格的要求。伴随着水电机组巨型化、复杂化的发展,机组故障发生、演化过程中水机电等多种因素的耦合作用越发突显,故障与征兆间的映射关系极为复杂,传统的基于单一类型征兆模式识别的故障诊断方法已经很难满足机组故障诊断可靠性的要求,迫切需要综合提取水电机组故障多元征兆以进行全面诊断,保证水电机组故障诊断的可靠性。本文针对水电机组振动故障诊断及其工程应用中的若干关键科学问题,以水电机组振动故障的多元征兆提取为切入点,引入先进信号分析与图像处理方法,深入探究其理论基础及工程应用背景,并结合水电机组故障特点进行改进,提高故障征兆辨识的有效性,同时针对不同征兆所得诊断结果可能存在的局部决策冲突问题,综合运用特征联合与决策融合的方法对多元征兆信息进行融合,形成基于多元征兆提取的融合智能故障诊断体系并应用于水电机组的振动故障诊断之中。论文的主要研究内容及创新性成果如下: (1)深入研究了经验模态分解(EMD)中的模态混叠问题,并针对此问题提出了一种多重微分经验模态分解方法,运用微分运算增强高频分量的特性来改善频率混叠问题。该方法首先对原始信号及其各阶微分信号进行EMD分解,形成本征模态函数矩阵,然后求取各阶微分信号的能量分布,联合获得能量特征矩阵,并以此作为故障征兆完成故障的识别与诊断。通过仿真及实验验证,该方法能够一定程度上改善频率混叠现象,对水电机组故障诊断精度的提高具有一定的促进作用。 (2)针对轴心轨迹识别过程中,其形状特征难以有效获取的问题,提出了基于统计模糊矢量链码的轴心轨迹自动识别方法。首先引入模糊矢量依据轴心轨迹内角信息对轴心轨迹的边界进行编码,继而运用统计模糊矢量链码提取轴心轨迹的形状特征,最后,以此为依据,采用支持向量机对轴心轨迹进行分类,完成其自动识别。与传统特征提取方法的对比试验结果表明,统计模糊矢量链码具有计算简单、可分性高的优点,能够有效的提取轴心轨迹的形状特征,进而更加准确的识别出轴心轨迹类型,有助于水电机组故障自动诊断的实现。 (3)分析了当前水电机组故障诊断中振动与其他状态参量相关性特征提取方法的缺点,引入了运用关系曲线形状来表征振动相关性特征的思想;以振动转速关系为例,研究了水电机组振动随转速变化的趋势,针对振动转速关系曲线的非闭合性、函数性等诸多特点,对统计模糊矢量链码进行相应改进,按照转速递增的顺序,依次对曲线上各点进行编码,实现二维点划分下的非闭合曲线编码,最后利用链码的统计特征表征曲线的形状,使其具有平移、缩放不变性。并以此作为曲线形状特征,完成振动转速关系曲线的自动识别。通过仿真试验证明了该方法的有效性,同时将该方法应用于二滩水电厂3号机组的振动问题分析中,验证了方法的工程实用价值。 (4)围绕水电机组故障诊断实际应用中,先验经验缺乏,准确、完备训练样本难以获取的问题,深入研究了无监督学习模式识别方法,将模糊核聚类应用于机组故障的识别中。针对其核参数选择与最优聚类中心获取的主要难题,提出了一种仿电磁蜂群加权模糊核聚类算法:给每个样本特征设置权重,表征其贡献度的大小;将聚类中心、核参数以及征兆权重同时作为聚类模型的优化变量,实现其同步寻优;以核Xie-Beni指标作为聚类模型的目标函数,获取最佳聚类效果;将人工蜂群算法和仿电磁学算法有机结合,综合利用两种进化策略,进行模型求解,准确高效的完成聚类。通过在水电机组振动故障诊断中的应用,对该方法的工程实用性进行了验证。 (5)针对多元征兆故障诊断中可能存在的局部决策冲突问题,提出了一种基于投影D-S证据理论的混合决策融合诊断策略。对识别框架相同的征兆进行特征联合,统一识别;通过投影将不同框架下的诊断结果映射到包含所有识别框架的融合框架中,在融合框架上完成诊断结果决策层的融合。以所提诊断策略为核心建立了水电机组故障诊断专家系统,并成功的应用于松江河水电厂的故障诊断系统中,验证了该方法的有效性和实用性。