基于轴心轨迹的水轮发电机组故障诊断研究

发布时间：2017-04-06 19:07

  本文关键词：基于轴心轨迹的水轮发电机组故障诊断研究，由笔耕文化传播整理发布。

【摘要】：随着科学技术的不断发展，水轮发电机组的结构越来越复杂，造价越来越高，各部分之间的联系更加紧密，因而发生故障的风险也在增加，及时准确的提取其运行状态的信息，进而捕捉其中的故障信息并加以识别判断，对发现水轮发电机组的异常，提高水轮发电机组运行的可靠性有着重要的意义。 轴心轨迹是旋转机械故障诊断的重要手段之一，反映了转子旋转时轴系上任一点在其旋转平面内相对轴承座的运行轨迹，它包含了机组的各种故障信息，其形状特征对判断旋转机械转子轴系的故障非常重要。 本文针对水轮发电机组轴心轨迹提纯、机组故障信号检测和提取分析中的现象与难点问题，借助谐波小波、Walsh变换、SVM等方法，系统地开展水轮发电机组故障诊断研究，其主要内容包括： （1）轴心轨迹作为水轮发电机组故障状态的一种映射方式，其图形特征所包含的信息反映了水轮发电机组的运行状态。本文从这一问题入手，，采用谐波小波进行轴心轨迹的提纯，采用Walsh变换提取轴心轨迹的图形特征，然后引入支持向量机对轴心轨迹特征向量进行分类。 （2)考虑到轴心轨迹识别的要求及轨迹样本先验知识不足的工程应用现实，通过计算和变换距离向量，快速提取了轴心轨迹的Walsh谱特征，同时利用支持向量机理论学习谱特征和轴心轨迹类型之间的映射关系，从而将训练好的分类器用于轴心轨迹识别；实例分析显示该方法的可行性和有效性。 （3）在前面研究基础上，我们在DHRMT型多功能转子模拟实验台上，对转子系统四种典型机械故障进行分析，实验结果验证了该诊断方法的正确性；最后，用该诊断方法对水电站实测的轴心轨迹图形进行故障研究和分析，并把诊断结果与水电站实际情况进行分析和比较。
【关键词】：水轮发电机组 轴心轨迹 支持向量机 故障诊断
【学位授予单位】：南昌工程学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM312;TV738
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 绪论7-14
• 1.1 研究的背景及意义7-8
• 1.2 轴心轨迹在故障诊断领域的应用研究8-10
• 1.2.1 机械故障诊断的发展概况8-9
• 1.2.2 基于轴心轨迹自动识别的故障诊断9-10
• 1.3 水轮发电机组振动故障机理与特征分析10-12
• 1.3.1 转子不平衡10-11
• 1.3.2 转子不对中11
• 1.3.3 油膜涡动11-12
• 1.3.4 动静碰磨12
• 1.4 本文的研究内容12-13
• 1.5 本文的组织结构13-14
• 第2章 小波变换与支持向量机在故障诊断中的应用研究14-23
• 2.1 引言14
• 2.2 小波变换应用研究14-19
• 2.2.1 谐波小波15-18
• 2.2.2 沃尔什变换18-19
• 2.3 支持向量机应用研究19-21
• 2.3.1 基本原理19
• 2.3.2 统计学理论19-20
• 2.3.3 VC 维20
• 2.3.4 结构风险最小化20
• 2.3.5 核函数20-21
• 2.3.6 SVM 的分类21
• 2.4 SVM 在故障诊断中的应用研究21-22
• 2.5 本章小结22-23
• 第3章 基于轴心轨迹的故障诊断应用研究23-33
• 3.1 水轮发电机组轴心轨迹23-25
• 3.1.1 轴心轨迹合成原理23-24
• 3.1.2 水轮发电机组轴心轨迹特征24-25
• 3.2 轴心轨迹的提纯及仿真实验25-26
• 3.3 轴心轨迹的特征提取26-29
• 3.3.1 轴心轨迹初始点的选取26-27
• 3.3.2 Walsh 谱的获取27-29
• 3.4 轴心轨迹识别的仿真实验29-32
• 3.4.1 轴心轨迹样本获取29
• 3.4.2 轴心轨迹样本训练29-31
• 3.4.3 轴心轨迹识别结果31-32
• 3.5 本章小结32-33
• 第4章 DHRMT 实验应用研究33-44
• 4.1 DHRMT 实验台33-34
• 4.1.1 DHRMT 简介33-34
• 4.1.2 DHRMT 组成34
• 4.2 转子不平衡故障模拟实验34-36
• 4.2.1 转子不平衡故障的特征34
• 4.2.2 实验步骤与结果34-36
• 4.3 转子不对中故障模拟实验36-39
• 4.4 动静碰磨故障模拟实验39-41
• 4.5 油膜涡动故障模拟实验41-42
• 4.6 实验结果总结42-43
• 4.7 本章小结43-44
• 第5章 工程应用研究44-48
• 5.1 实例应用44-47
• 5.2 结果分析47
• 5.3 本章小结47-48
• 第6章 总结与展望48-50
• 6.1 结论48
• 6.2 展望48-50
• 参考文献50-53
• 发表论文和参加科研情况说明53-54
• 致谢54-55
• 附录55-58

【参考文献】

中国期刊全文数据库 前10条

1 石志标;宋全刚;马明钊;李祺;;基于改进粒子群优化支持向量机的汽轮机组故障诊断[J];动力工程学报;2012年06期

2 任金成;张玲玲;肖云魁;朱忠奎;;基于对称极坐标和图像处理的柴油机故障诊断研究[J];车用发动机;2013年06期

3 郑永有,薛必银;混流水力机组振动分析[J];红水河;2002年02期

4 付波;周建中;彭兵;赵炳;;基于仿射不变矩的轴心轨迹自动识别方法[J];华中科技大学学报(自然科学版);2007年03期

5 任玲辉;刘凯;张海燕;;基于图像处理技术的机械故障诊断研究进展[J];机械设计与研究;2011年05期

6 乔卫东,马薇,刘宏昭,李郁侠;基于非线性模型的水轮发电机组轴系耦合动力特性分析[J];机械强度;2005年03期

7 许建华,张学工,李衍达;支持向量机的新发展[J];控制与决策;2004年05期

8 王润;刘智安;孔昭文;潘云珍;;汽轮机动静碰摩振动的诊断与处理[J];内蒙古电力技术;2009年01期

9 夏勇,张振仁,商斌梁,郭明芳,张毅;基于图像处理与神经网络的内燃机故障诊断研究[J];内燃机学报;2001年04期

10 徐卓飞;张海燕;任玲辉;;基于GLCM与SVM的印刷机收纸故障诊断方法[J];计算机工程与应用;2013年10期

中国博士学位论文全文数据库 前6条

1 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年

2 蒋玲莉;基于核方法的旋转机械故障诊断技术与模式分析方法研究[D];中南大学;2010年

3 侯俊剑;基于声像模式识别的故障诊断机理研究[D];上海交通大学;2011年

4 王常青;数字图像处理与分析及其在故障诊断中的应用研究[D];华中科技大学;2012年

5 周云燕;基于图像分析理论的机械故障诊断研究[D];华中科技大学;2007年

6 杨昌昊;基于不确定性理论的机械故障智能诊断方法研究[D];中国科学技术大学;2009年

  本文关键词：基于轴心轨迹的水轮发电机组故障诊断研究，由笔耕文化传播整理发布。

本文编号：289471