基于小波-神经网络的某电厂汽轮机振动故障诊断系统的研究.pdf

《基于小波-神经网络的某电厂汽轮机振动故障诊断系统的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年8月机床与液压Aug．2013第41卷第l5期MACHINETOOL&HYDRAULICSVo1．41No．15DOI：10．3969／j．issn．1001—3881．2013．15．052基于小波一神经网络的某电厂汽轮机振动故障诊断系统的研究余熳烨，林颖(华南理工大学广州学院，广东广州510800)摘要：以某电厂的汽轮机组振动故障诊断为工程背景，针对振动信号的分析处理方法、小波包能量法提取特征向量及神经网络技术在汽轮机振动故障诊断中的应用展开深入的研究。实践表明：设计的系统在汽轮机的振动故障诊断中取得了良好的效果，具有较强的工程实践价值

2、。关键词：汽轮机；振动故障诊断；小波分析；小波神经网络中图分类号：TK268文献标识码：A文章编号：1001—3881(2013)15—194—3ResearchonaSteamTurbineVibrationFaultDiagnosisSystemforaPowerPlantBasedonWavelet．NeuralNetworkYUManye．LINYing(GuangzhouCollege，SouthChinaUniversityofTechnology，GuangzhouGuangdong510800，China)Abstract：Steam

3、turbineunitvibrationfaultdiagnosisofapowerplantwastakenastheengineeringbackground．Analysismeth—odsforvibrationsignal，eigenvectorextractionbyusingwaveletpacketsanalysisandapplicationofneuralnetworktechniquesinturbinevibrationfaultdiagnosiswereillustrated．Practiceshowsthatthedesi

4、gnedsystemhasgoodefectinvibrationfaultdiagnosisofturbine．Ithasstrongpracticalvalueinactualproject．Keywords：Turbine；Vibrationfaultdiagnosis；Waveletanalysis；Wavelet-neuralnetwork汽轮机组是电力工业中重大的关键设备。汽轮机该火电厂汽轮机组配备有VMS-04B振动监测系组运行的可靠性，在很大程度上是由机组的振动状态统，该系统能够实时监测汽轮机组的振动位移、速所决定的。随着我国电力事业

5、的发展，对汽轮机组运度、加速度等参数的峰值、均方根值、波形等，并有行的可靠性、安全性提出了更高的要求J。汽轮发振动超限报警，突然停机过程的数据自动采集、存盘电机组振动信号的分析是其故障诊断的主要手段，作等功能。基于小波神经网络设计的振动信号故障诊断者以某电厂汽轮机的故障诊断为工程背景，利用系统则可以快速分析故障信号并有效地对汽轮机振动MATLAB将小波分析及神经网络应用于汽轮发电机组故障进行识别。该系统是为智能识别汽轮机的振动故的振动故障诊断中，取得了很好的效果，提高了故障障而设计的，它通过对汽轮机的振动信号进行一系列诊断的速度和效率。处理并最终给出

6、振动故障类别的判断。其故障诊断原1汽轮机振动监测和故障诊断系统介绍理图如图1所示。目前，国内在大机组、大型设备振动监测、分析和故障诊断等方面的研究已经取得了一系列重要的成-——_=—————一一IqL—B—P————————一I．●果，设备故障诊断技术也取得了一定的经济效益和社图1故障诊断原理图会效益。但已有的设备状态监测与故障诊断系统还不1．1信号处理能很好地满足实际生产的要求。传统的设备诊断过程振动信号的分析处理就是通过一些数学运算方法中，设备参数和信号的采集、分析、状态参数与设备对振动测试所得到的信号进行加工，去伪存真，计算状态间非线性关系的系

7、统模型的建立以及诊断结论的出需要了解的内容，以便做进一步的分析研究。傅里得出等若干个过程是相互分割和独立的，一次完整的叶变换是对原信号做频谱分析。图2是一受噪声干设备故障诊断过程持续时间比较长，效率很低。实现扰的多频率成分周期信号，从信号波形上很难看出其设备监测与故障诊断过程的自动化、智能化和集成化特征，但从信号的功率谱上却可以判断、识别出信号是机械设备故障诊断技术发展的方向和趋势。中的两个周期分量及其大小。信号的频谱(，)代收稿日期：2012—07—14作者简介：余熳烨(1984一)，女，硕士，助教，研究方向为机械制造及其自动化。E—mail：yu

8、manye@~xmail．com。第15期余熳烨等：基于小波一神经网络的某电厂汽轮机振动故障诊断系统的研究·