發(fā)布時間：2020-11-18 23:34

　　 隨著我國能源結(jié)構(gòu)的不斷優(yōu)化調(diào)整,電網(wǎng)規(guī)模逐步擴大,水電能源比重日趨增大,所擔(dān)負(fù)的調(diào)峰調(diào)頻任務(wù)也愈加艱巨,這對水電能源生產(chǎn)核心設(shè)備——水電機組運行的安全穩(wěn)定性提出了更加嚴(yán)格的要求。伴隨著水電機組巨型化、復(fù)雜化的發(fā)展,機組故障發(fā)生、演化過程中水機電等多種因素的耦合作用越發(fā)突顯,故障與征兆間的映射關(guān)系極為復(fù)雜,傳統(tǒng)的基于單一類型征兆模式識別的故障診斷方法已經(jīng)很難滿足機組故障診斷可靠性的要求,迫切需要綜合提取水電機組故障多元征兆以進(jìn)行全面診斷,保證水電機組故障診斷的可靠性。本文針對水電機組振動故障診斷及其工程應(yīng)用中的若干關(guān)鍵科學(xué)問題,以水電機組振動故障的多元征兆提取為切入點,引入先進(jìn)信號分析與圖像處理方法,深入探究其理論基礎(chǔ)及工程應(yīng)用背景,并結(jié)合水電機組故障特點進(jìn)行改進(jìn),提高故障征兆辨識的有效性,同時針對不同征兆所得診斷結(jié)果可能存在的局部決策沖突問題,綜合運用特征聯(lián)合與決策融合的方法對多元征兆信息進(jìn)行融合,形成基于多元征兆提取的融合智能故障診斷體系并應(yīng)用于水電機組的振動故障診斷之中。論文的主要研究內(nèi)容及創(chuàng)新性成果如下： (1)深入研究了經(jīng)驗?zāi)�態(tài)分解(EMD)中的模態(tài)混疊問題,并針對此問題提出了一種多重微分經(jīng)驗?zāi)�態(tài)分解方法,運用微分運算增強高頻分量的特性來改善頻率混疊問題。該方法首先對原始信號及其各階微分信號進(jìn)行EMD分解,形成本征模態(tài)函數(shù)矩陣,然后求取各階微分信號的能量分布,聯(lián)合獲得能量特征矩陣,并以此作為故障征兆完成故障的識別與診斷。通過仿真及實驗驗證,該方法能夠一定程度上改善頻率混疊現(xiàn)象,對水電機組故障診斷精度的提高具有一定的促進(jìn)作用。 (2)針對軸心軌跡識別過程中,其形狀特征難以有效獲取的問題,提出了基于統(tǒng)計模糊矢量鏈碼的軸心軌跡自動識別方法。首先引入模糊矢量依據(jù)軸心軌跡內(nèi)角信息對軸心軌跡的邊界進(jìn)行編碼,繼而運用統(tǒng)計模糊矢量鏈碼提取軸心軌跡的形狀特征,最后,以此為依據(jù),采用支持向量機對軸心軌跡進(jìn)行分類,完成其自動識別。與傳統(tǒng)特征提取方法的對比試驗結(jié)果表明,統(tǒng)計模糊矢量鏈碼具有計算簡單、可分性高的優(yōu)點,能夠有效的提取軸心軌跡的形狀特征,進(jìn)而更加準(zhǔn)確的識別出軸心軌跡類型,有助于水電機組故障自動診斷的實現(xiàn)。 (3)分析了當(dāng)前水電機組故障診斷中振動與其他狀態(tài)參量相關(guān)性特征提取方法的缺點,引入了運用關(guān)系曲線形狀來表征振動相關(guān)性特征的思想；以振動轉(zhuǎn)速關(guān)系為例,研究了水電機組振動隨轉(zhuǎn)速變化的趨勢,針對振動轉(zhuǎn)速關(guān)系曲線的非閉合性、函數(shù)性等諸多特點,對統(tǒng)計模糊矢量鏈碼進(jìn)行相應(yīng)改進(jìn),按照轉(zhuǎn)速遞增的順序,依次對曲線上各點進(jìn)行編碼,實現(xiàn)二維點劃分下的非閉合曲線編碼,最后利用鏈碼的統(tǒng)計特征表征曲線的形狀,使其具有平移、縮放不變性。并以此作為曲線形狀特征,完成振動轉(zhuǎn)速關(guān)系曲線的自動識別。通過仿真試驗證明了該方法的有效性,同時將該方法應(yīng)用于二灘水電廠3號機組的振動問題分析中,驗證了方法的工程實用價值。 (4)圍繞水電機組故障診斷實際應(yīng)用中,先驗經(jīng)驗缺乏,準(zhǔn)確、完備訓(xùn)練樣本難以獲取的問題,深入研究了無監(jiān)督學(xué)習(xí)模式識別方法,將模糊核聚類應(yīng)用于機組故障的識別中。針對其核參數(shù)選擇與最優(yōu)聚類中心獲取的主要難題,提出了一種仿電磁蜂群加權(quán)模糊核聚類算法：給每個樣本特征設(shè)置權(quán)重,表征其貢獻(xiàn)度的大小；將聚類中心、核參數(shù)以及征兆權(quán)重同時作為聚類模型的優(yōu)化變量,實現(xiàn)其同步尋優(yōu)；以核Xie-Beni指標(biāo)作為聚類模型的目標(biāo)函數(shù),獲取最佳聚類效果；將人工蜂群算法和仿電磁學(xué)算法有機結(jié)合,綜合利用兩種進(jìn)化策略,進(jìn)行模型求解,準(zhǔn)確高效的完成聚類。通過在水電機組振動故障診斷中的應(yīng)用,對該方法的工程實用性進(jìn)行了驗證。 (5)針對多元征兆故障診斷中可能存在的局部決策沖突問題,提出了一種基于投影D-S證據(jù)理論的混合決策融合診斷策略。對識別框架相同的征兆進(jìn)行特征聯(lián)合,統(tǒng)一識別；通過投影將不同框架下的診斷結(jié)果映射到包含所有識別框架的融合框架中,在融合框架上完成診斷結(jié)果決策層的融合。以所提診斷策略為核心建立了水電機組故障診斷專家系統(tǒng),并成功的應(yīng)用于松江河水電廠的故障診斷系統(tǒng)中,驗證了該方法的有效性和實用性。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2014
【中圖分類】：TV738
【文章目錄】：
摘要
Abstract
目錄
1 緒論
    1.1 課題研究的背景和意義
    1.2 水電機組振動故障概述
    1.3 水電機組故障多元征兆提取研究綜述
    1.4 水電機組故障識別方法綜述
    1.5 論文主要研究內(nèi)容
2 基于多重微分經(jīng)驗?zāi)�態(tài)分解的機組振動故障診斷
    2.1 引言
    2.2 經(jīng)驗?zāi)�態(tài)分解基本原理
    2.3 基于多重微分經(jīng)驗?zāi)�態(tài)分解的振動特征提取
    2.4 仿真試驗分析
    2.5 診斷實例
    2.6 本章小結(jié)
3 基于統(tǒng)計模糊矢量鏈碼的水電機組軸心軌跡識別
    3.1 引言
    3.2 軸心軌跡內(nèi)角信息
    3.3 基于統(tǒng)計模糊矢量鏈碼的軸心軌跡形狀特征提取
    3.4 軸心軌跡自動識別試驗
    3.5 本章小結(jié)
4 水電機組振動轉(zhuǎn)速關(guān)系曲線自動識別研究
    4.1 引言
    4.2 振動轉(zhuǎn)速關(guān)系曲線
    4.3 振動轉(zhuǎn)速關(guān)系曲線形狀特征提取
    4.4 振動轉(zhuǎn)速關(guān)系曲線識別試驗
    4.5 水電機組故障實例分析
    4.6 本章小結(jié)
5 基于仿電磁蜂群加權(quán)模糊核聚類的水電機組故障診斷
    5.1 引言
    5.2 加權(quán)模糊核聚類模型
    5.3 仿電磁蜂群算法
    5.4 仿電磁蜂群加權(quán)模糊核聚類
    5.5 水電機組振動故障診斷
    5.6 本章小結(jié)
6 基于混合決策融合的水電機組故障診斷方法及應(yīng)用
    6.1 引言
    6.2 投影D-S證據(jù)理論及決策融合
    6.3 基于多元征兆決策融合的水電機組故障診斷案例
    6.4 水電機組故障混合決策融合診斷策略在實際工程中的應(yīng)用
    6.5 本章小結(jié)
7 結(jié)論與展望
    7.1 研究結(jié)論
    7.2 進(jìn)一步研究展望
致謝
參考文獻(xiàn)
附錄1：攻讀博士期間發(fā)表的論文
附錄2：攻讀博士期間完成和參與的科研項目

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘羅平;;卡門渦誘發(fā)的水電機組振動特性研究[J];長春工程學(xué)院學(xué)報(自然科學(xué)版);2010年03期

2 吳彬宏;舒建紅;;桐柏抽水蓄能電廠機組負(fù)序電流保護(hù)改進(jìn)[J];水電自動化與大壩監(jiān)測;2010年04期

3 周理兵,馬志云;大型水輪發(fā)電機不同工況下不平衡磁拉力[J];大電機技術(shù);2002年02期

4 肖惠民;于波;;水輪機動靜干涉的非定常流動數(shù)值模擬[J];大電機技術(shù);2009年05期

5 薛延剛;羅興;王瀚;高云濤;;基于小波預(yù)處理的HHT方法在水輪機振動診斷中的應(yīng)用[J];大電機技術(shù);2010年04期

6 楊曉明;馬震岳;張振國;;水輪機迷宮密封系統(tǒng)非線性動力穩(wěn)定性研究[J];大連理工大學(xué)學(xué)報;2007年01期

7 付波,周建中,陳文清,余炳輝;一種基于傅里葉描述子的軸心軌跡自動識別方法[J];電力系統(tǒng)自動化;2004年12期

8 安學(xué)利;周建中;劉力;李清清;李超順;;基于熵權(quán)理論和信息融合技術(shù)的水電機組振動故障診斷[J];電力系統(tǒng)自動化;2008年20期

9 黃保海;李巖;王東風(fēng);韓璞;;基于KPCA和KFCM集成的汽輪機故障診斷[J];電力自動化設(shè)備;2010年07期

10 程寶清,韓鳳琴,桂中華;基于小波的灰色預(yù)測理論在水電機組故障預(yù)測中的應(yīng)用[J];電網(wǎng)技術(shù);2005年13期

本文編號：2889369