胡东海[1]2008年在《水轮发电机组振动在线监测和故障诊断研究》文中提出水轮发电机组是大型机电能量转换装置,其运行状态关系到水电厂能否安全、经济的供电。近百年来,以统计理论为基础,按计划定期进行小修、中修、大修的维修体制,普遍存在着过维修和不足维修现象,特别是近年来随着水轮发电机组的巨型化,这种维护体制更加暴露出严重的弊端。因此,实现有效的机组状态监测和故障诊断,提高维修的针对性,不仅对电力工业,而且对整个国民经济都有重要的影响。本文论述水轮发电机组故障诊断和在线监测的重要意义,分析故障诊断的研究现状及发展趋势,并对故障诊断的应用前景做进一步分析。在概述水轮机的状态监测和故障诊断系统的基础上,在研究了故障诊断常用的方法后,提出使用模糊专家系统对设备进行诊断分析,从而将人工智能技术与故障诊断技术相结合,实现更精确的故障诊断,根据水轮发电机组振动故障特点,提出了一种基于模糊逻辑、神经网络与专家系统的混合智能诊断方法。本文中给出基于模糊神经网络的水轮发电机组故障诊断专家系统,实例仿真结果验证了模糊神经网络用于水轮发电机组振动故障诊断专家系统的合理性与可行性。完成了水轮发电机组状态监测与故障诊断系统的软件开发,实现了数据采集和信号分析功能、实时状态监测的功能、振动分析功能、故障诊断功能等功能,并就软件实现的关键技术展开了论述。
付波[2]2006年在《基于弯扭耦合振动与轴心轨迹辨识的水轮发电机组故障诊断研究》文中研究说明随着水电机组的研究、制造和应用向巨型化、大容量方向发展,水轮发电机组振动问题越来越突出,人们针对机组的振动现象开展了深入的研究,积极探寻有效的状态监测与故障诊断方法并取得了许多成果。但由于研究范式的局限,尤其是研究理论在技术实现方法上的限制,使得某些类型的振动故障难以准确诊断。研究水电机组弯扭耦合振动现象并解析其机理极具挑战性,研究成果将有助于全面了解轴系动力学特性,增强振动分析手段,并提高故障诊断的准确性。论文以刚性支撑的单质量不平衡转子为研究对象,建立了计及陀螺效应的转子弯扭耦合振动数学模型,并通过仿真试验分析了该类转子的弯扭耦合振动特性:考虑陀螺效应后,弯振响应变大,单盘转子的临界转速增加。弯振响应主要包含工频(1X分量)以及耦合的|Ω±ωti|、|ω1i±ωti|等频率(Ω为转频、ωti为外扭矩角频率);由于没有重力影响,扭振响应的1X分量很小,主要包含耦合的|Ω±ω1i|(ω1i为外激励角频率)、|Ω±ω2i|(ω2i为质偏角频率)等频率成分。耦合频率成分不大,但在某些特殊情况下可以有效地表征机组运行状况;随着转子转速的升高,2Hz以下的低频分量越来越大,减小转子质量偏心与极转动惯量是高速转子稳定运动的有效途径。在此基础上,论文针对水电机组轴系固定式刚性联轴器与可移式刚性联轴器平行不对中故障的弯扭耦合振动特性进行了深入研究。联轴器不对中转子系统中,转子质量偏心及固结于其上的不平衡质量是弯扭耦合的必要条件。固定式刚性联轴器平行不对中故障,弯振响应以1X为主;扭振响应主要包含一直流负扭角、1X和较大2X分量,该幅扭角很大,对转轴安全极为不利,转子轴心轨迹呈现为椭圆;可移式刚性联轴器弯振响应除1X外,还有扭振在弯振中耦合的2nX成分,其中2X频率较大。扭振稳态响应包含直流与1X分量。在2X分量共振区及附近区域以及其它2X分量较大处,轴心轨迹呈双环椭圆;在远离2X分量共振区及2X分量较小处,轴心轨迹呈椭圆。接着,论文着重研究了水轮发电机组轴系的另一典型故障―动静碰摩的弯扭耦合振动特性。由于没有重力影响,立式机组与卧式机组轴系振动特性有重大区别。水电机组轴系运行状态分为正常运行、局部碰摩与全周碰摩叁类:正常运行时,轴系弯振主要表现为1X,几乎没有其他频率成分,扭振响应没有明显的频率成分;机组发生局部碰摩时,弯振出现两种振动特性,第一类弯振响应主要包含1X及其倍频分量,第二类弯振响应主要包含(N/2)倍转频的频谱。扭振也出现两种振动特性,第一类振动响应主要包含1X及其倍频分量,第二类振动响应主要包含(N/2)倍转频的频谱;机组发生全周碰摩时,弯振频谱主要包含1X及2X分量,扭振频谱主要包含1X及2X分量,但2X分量较小。转子偏心距与动静间隙对转子碰摩振动特性有重要影响,转子质量不平衡过大或联轴器不对中等原因造成转子偏心距增大,易造成碰摩故障;当轴系初始平衡位置改变,使得动静间隙变小,也容易造成碰摩故障。因此,机组运行状态恶化时,如转子偏心加大、轴系不对中造成轴间不平衡力加大、机组轴系受到外力作用或其它原因造成动静间隙过小等,都有可能使轴系的运动状态进入碰摩区域而发生碰摩故障。针对水轮发电机组轴心轨迹自动识别技术,论文在总结近年来研究成果的基础上,综合模式识别研究的新成果,提出了叁种轴心轨迹自动识别的新方法并对这些方法的识别效果进行了评价:改进Fourier描述子方法具有很高的目标识别能力,但需要对原始轨迹曲线进行非常复杂的变换;PJFMIs方法的目标识别率较高,但需要将轴心轨迹转化为图像模式进行识别;仿射不变矩方法不仅具有很高的目标识别率,而且直接对原始信号进行处理,非常简便,因此具有极大的使用价值。最后,论文结合弯、扭振动特征,研制了一套轴系弯、扭振动监测与诊断系统,详细介绍了该系统总体设计思想、具体功能模块以及系统实现的关键技术。
姜福长[3]2008年在《水轮发电机组振动故障诊断系统的研究与设计》文中指出随着我国水电在电力系统中所占比重的增加及单机容量的增大,水电机组的稳定对系统的安全稳定运行越来越重要,其运行状态关系到水电站能否安全、经济的供电。因此,实现有效的机组状态监测和故障诊断,提高维修的针对性,具有重要的研究意义。振动是影响水电机组稳定运行的重要因素,本文在分析与总结水轮发电机组振动故障诊断特点的基础上,重点针对机组振动故障机理、故障征兆提取方法进行了研究。依据导致水轮发电机组振动故障的叁类振源,按机械、水力、电气叁类故障类型进行研究,分析了振动故障机理,总结故障特征,并给出了相应的故障处理方法,为系统开发工作提供了理论基础。本文设计了水轮发电机组状态监测与故障诊断系统的总体结构,完成了系统硬件设计,包括测量参数、测点布置、传感器及采集卡选择等,实现了振动数据采集及监测。在此基础上,采用面向对象的程序设计方法开发了一套实时监测与分析软件。在基于知识的传统专家系统的基础上,采用基于神经网络(NNES)的专家系统,克服了传统专家系统不能进行自学习、自适应性能差的缺陷。利用BP神经网络学习算法获取知识,通过神经网络的连接模型表示知识,以充分利用神经网络学习能力的优势。建立了神经网络专家系统,利用所获得的故障样本数据对网络进行训练,从而实现了对某些故障的智能诊断。仿真结果表明,各故障样本训练均能快速有效地收敛于设定的误差值。
余文宁[4]2007年在《大型水轮发电机组状态监测与智能故障诊断系统研究》文中研究说明水轮发电机组是大型机电能量转换装置，其运行状态关系到水电站能否安全、经济的供电。近百年来，以统计理论为基础，按计划定期进行小修、中修、大修的维修体制，普遍存在着过维修和不足维修，特别是近年来随着水轮发电机组的巨型化，这种维护体制更加暴露出严重的不足。因此，实现有效的机组状态监测和故障诊断，提高维修的针对性，不仅对电力工业，而且对整个国民经济都有重要的影响。本文在分析与总结水轮发电机组状态监测与故障诊断特点的基础上，重点针对机组振动故障机理、故障征兆提取方法以及混合智能诊断方法进行研究。首先，依据导致水轮发电机组振动故障的叁类振源，按机械、水力、电气叁类故障类型进行研究，分析振动故障机理，总结故障特征，并给出相应的故障处理意见。然后，根据水轮发电机组轴心轨迹的特点，基于分形几何学，采用分形维数来定量描述转子轴心轨迹的特征，实现图形量化，为水轮机组振动故障的在线诊断创造条件。最后，以人工智能方法为基础，提出基于模糊神经网络的专家系统故障诊断方法，阐述了水轮机组故障征兆的模糊处理、模糊神经网络故障诊断模型在水轮发电机组故障诊断专家系统中的应用。实例仿真结果验证了模糊神经网络用于水轮发电机组振动故障诊断专家系统的合理性与可行性。在此研究基础上，开发了水轮发电机组状态监测与故障诊断系统。实现了数据采集和信号分析、实时状态监测和运行趋势分析、异常参数与异常状况报警与诊断等功能，并提供操作指导，避免维修的盲目性，有利于降低企业成本，并能够提高水电站运行的安全性和可靠性。
熊浩[5]2001年在《大型水轮发电机组状态监测与故障诊断技术的研究》文中指出设备故障诊断技术包括测试技术，状态监测和故障诊断叁大基本内容。随着我国水电在系统中所占比重的增加及单机容量的增大，大型水电站和机组的故障率对系统的安全运行也越来越重要，如果处理不好，甚至会引起整个系统的崩溃，给国家带来巨大的损失。另外，随着我国“厂网分开，竞价上网”的逐步实施，如何控制发电厂的生产成本，也将提上各个电厂的议事日程。而对机组进行故障诊断，改传统的计划周期性检修为计划性检修与状态检修相结合，就可大大降低生产成本，从而提高电厂的竞争能力。所以，对大型水电机组故障诊断系统及测试技术的研究是十分迫切而又极为重要。 本文从大型水电站的实际情况出发，对电站机电设备状态监测和故障诊断的目的、意义和内容以及国内外的应用、发展方向进行了描述，对大型水电站机电设备故障的类型以及设备状态监测和故障诊断的关键技术及在大型水电站实现状态监测和故障诊断的难点进行了探讨，并充分利用国内外现有的测试手段和技术，对大型水电站机组故障形成机理、测试参数的确定、测点的合理布置、传感器的选择、故障判断标准、以及诊断专家系统进行了研究，并以水轮发电机振动故障为例，建立了水轮发电机振动故障诊断模型。 论文的最后一章，以葛洲坝电站大江电厂14号机振动故障为例，详细描述了水轮发电机振动的现场测试、故障分析及处理方法。
孔祥彬[6]2010年在《水轮发电机组状态监测与故障诊断系统设计与应用》文中研究说明随着国民经济的快速发展,我国电力工业已进入大电网、大机组、高电压、高自动化的发展阶段,对电力系统稳定性和电能质量提出了更高的要求。随着,水力机组容量的不断增加,机组对系统的稳定性影响也日益增强。因此,对水轮发电机组的状态监测和故障诊断技术提出了更高的要求。本论文设计开发了水轮发电机组状态监测与故障诊断系统,该系统成功应用在某水电厂3号机组的现场测试和诊断工作中,并给出了诊断结论,该结论对于水力发电厂的检修和运行都具有一定的实际指导意义。第一部分绪论,结合中国水电发展概况,综合性的阐述了水轮发电机组状态监测与故障诊断的重要性和实际意义,重点阐述了状态监测与故障诊断技术的研究现状与发展趋势,并对水轮发电机组状态监测与故障诊断系统的应用前景做了进一步分析。第二部分详细阐述并分析水轮发电机组状态监测的对象和具体检测内容以及故障诊断的常用方法。第叁部分中重点对振动理论进行了深入的研究,并总结出机组振动故障的根源。第四部分根据系统设计的目标、原则及标准,对系统检测点布置、传感器选型与系统硬件组成做了系统的研究。包括测点布置的原则,传感器的选型原则及选型,重点介绍了振动传感器和接触式振动传感的选择。在此基础上提出了某水电厂水轮发电机组状态监测和故障诊断系统的体系结构。第五部分是将本文设计的状态监测与故障诊断系统应用到某水电厂3号机组进行状态监测,根据检测结果,对机组状态进行了分析,并给出了诊断结果。第六本分是本文的结论和水轮发电机组的状态监测和故障诊断技术的展望。
刘玉刚[7]2006年在《水轮发电机组振动监测与故障诊断系统设计与应用》文中进行了进一步梳理本论文研究开发了振动监测与故障诊断系统,并应用该系统对索风营水电站1号机组进行了诊断,给出了诊断结论,对于水电站的运行和检修都具有一定的指导意义,本文开展的主要工作有:论述了水轮发电机组故障诊断的重要意义,详细分析了故障诊断的研究现状及发展趋势,并对故障诊断系统仍然存在的问题做了讨论和分析。在水轮发电机振动理论研究的基础上,归纳了作者在实践中总结出的振动特征,给出了水轮发电机组的振源以及水轮发电机组部分振动故障的特征,为系统的软件设计奠定了基础。通过分析研究水轮发电机组振动监测与故障诊断的内容,讨论不同的测量内容用到的传感器原理,合理选择了测点和所用传感器类型。在此基础上,研制了一套振动、摆度传感器及相关模块组成的振动监测与诊断硬件系统。该系统采用多通道同步采集,采样频率高,实时性强,能够实现振动、摆度信号实时显示和分析等功能。在硬件研制的基础上,采用面向对象的程序设计方法开发了一套实时监测与分析软件。最后,将系统应用到索风营水电站1号机组,对机组状态对机组进行了诊断,并给出了分析、诊断结果,这些结果对电站的检修和运行具有实际指导意义。
朱文龙[8]2016年在《水轮发电机组故障诊断及预测与状态评估方法研究》文中研究表明随着我国能源结构调整的逐步推进,风电、光伏发电等非稳定性电源快速发展,水轮发电机组在电网中承担调峰调频的任务越来越多,这就要求水轮发电机组在其整个工况范围内具有充分的可用性,这就对水轮发电机组故障诊断、故障预测及状态评估提出了更高的要求。为了确保水轮发电机组安全稳定运行,本文针对水轮发电机组故障诊断与预测应用中的若干关键科学问题,以机组振动信号处理和运行工况分析为切入点,提取表征机组故障状态的信号时频分布特征和工况特征等多重特征向量,提高故障特征向量的准确度,进一步构建基于多重特征向量相融合的水轮发电机组故障诊断及故障预测体系,实现水轮发电机组故障的准确诊断与预测。论文的主要研究内容和创新性成果如下：(1)针对水轮发电机组振动信号具有非平稳、低信噪比和多振源激励信号分量相互混迭等特征,提出了一种独立分量分析-经验模态分解的水轮发电机组非平稳信号特征提取方法。在该算法中,首先采用独立分量分析法提取出主要振源的激励信号分量,即统计独立分量,有效消除或降低模态混迭现象,再对统计独立分量进行自相关分析,消除统计独立分量中非周期噪声的影响；然后再采用经验模态分解对统计独立分量进行自适应分解,获得多组本征模态函数；最后对同频本征模态函数进行重构,提取出故障特征频段的征兆信号,实现水轮发电机组强背景噪声非平稳早期故障特征信号的有效提取。试验结果表明,本文所提方法在水轮发电机组早期故障微弱征兆信号和突变故障特征信号提取方面具有明显的优势,更适用于强背景噪声影响下的水轮发电机组非平稳微弱信号特征提取。(2)传统水轮发电机组故障诊断方法绝大多数是基于振动信号的时频特征进行故障识别,忽略的水轮发电机组运行工况对振动信号时频特征的影响,降低了诊断的准确率。针对上述问题,本文引入过程控制理论中的统计诊断方法,分别对水轮发电机组每种工况过程中的振动变量和工况参数进行融合建模,提出了一种基于KICA-PCA的多元非线性系统过程诊断方法,该方法通过计算工况过程的统计指标实现水轮发电机组故障诊断。本文所提方法通过水轮发电机组运行工况信息与振动信号的有效融合,提高了故障诊断结果的可信度,打破了传统基于振动信号时频特征的水轮发电机组故障诊断方法的诊断范式。试验结果表明,相对于PCA和ICA-PCA等线性系统过程诊断方法,本文所提方法的诊断正确率更高,且时效性更好,更适用于水轮发电机组多元非线性系统的过程诊断。(3)基于互信息理论和统计学提出了水轮发电机组工况变量对振动变量贡献率的计算方法,并构建了压力脉动劣化度函数,实现了压力脉动状态预测评估。以水轮发电机组振动变量和工况参数之间相关关系为切入点,结合互信息理论,深入挖掘水轮发电机组海量的历史监测数据,揭示水轮发电机组振动变量与工况参数之间的非线性相关关系,通过计算水轮发电机组各工况参数对振动变量的贡献度,提取出水轮发电机组振动变量的主要相关工况参数。进一步融合主要相关工况参数与压力脉动幅值形成融合特征向量,提出了基于支持向量机和极限学习机的水轮发电机组压力脉动状态预测方法,实现了压力脉动状态预测,同时引入数理统计与模糊子集理论,构建了基于历史统计曲线的水轮发电机组压力脉动模糊集,提出压力脉动模糊集的劣化度评价函数,实现水轮发电机组压力脉动的状态评估。(4)融合水轮发电机组振动信号时频特征和工况关联规则特征,构建了多重征兆向量,引入模糊推理系统和径向基神经网络模型,提出了一种基于约束扩展广义动态模糊神经网络的水轮发电机组故障预测方法。在该方法中,以振动信号的频谱能量分布特征和工况关联规则特征作为故障预测的融合故障征兆向量,充分利用模糊规则推理与神经网络学习能力,动态推求水轮发电机组未来的故障状态,预测潜在故障未来可能发生概率,实现水轮发电机组故障预测。同时探讨了水轮发电机组故障可能发生概率与维修时限、健康状况之间的关系,提出了一种以故障可能发生概率为自变量的水轮发电机组维修时限函数,搭建了故障预测至维修决策之间的桥梁,以启动维修时限的形式明晰化故障预测结果的含义,对水轮发电机组实施状态检修与预测性维修具有重要的意义。(5)本文设计开发了一种面向服务的水轮发电机组故障诊断及状态评估系统,该方案构建了网络化、服务知识化、资源共享化的开放式的统一知识平台,通过整合异地不同用户的知识资源,不断丰富与补充水轮发电机组故障诊断及状态评估系统的专家知识库,提高水轮发电机组整机设备故障诊断及状态评估的性能水平。系统已成功应用于贵州乌江水电开发有限责任公司东风发电厂,为现场运行维护人员提供辅助维修决策建议指导。
孙中伟[9]2017年在《基于LabVIEW的水轮机振动信号分析》文中研究指明目前,我国水电事业正处在蓬勃发展的阶段,水力发电因运行费用低,调度灵活,可再生,无污染,资源蕴藏丰富等优点受到了人们的高度重视。随着水轮发电机组的装机容量和装机尺寸越来越大,机组故障日益增多,机组振动问题也日益突出。水轮发电机组的振动是影响水轮发电机组的安全稳定运行的重要因素,振动信号中蕴含着大量的水轮机状态特征信息。因此,对水轮发电机组进行振动信号测试和分析以实现故障的检测和排查具有非常重要的实际意义。水轮发电机组的振动信号分析方法有很多,经验模态分解法(EMD)是一种自适应的信号分析方法,通过分解非平稳故障信号把原来不易获得的微弱故障信号分解出来,从而实现故障诊断。与传统的时频分析法相比更加适合于对非平稳、非线性的信号进行分析,因此该方法逐渐在机械故障诊断领域获得了推广。随着虚拟仪器技术的飞速发展,“软件就是仪器”已经发展成为一种新的思想。LabVIEW是由美国国家仪器公司推出的一种图形化编程软件,具有良好的人机交互界面,已在众多领域得到广泛应用。本文根据EMD算法基本原理对LabVIEW进行了二次开发,建立了基于LabVIEW的EMD模块,为水轮发电机组振动故障信号分析提供了有效的工具。并以模型水轮机振动试验数据和西达水电站水轮机振动试验数据作为实例进行分析,实验结果表明,EMD算法可以在LabVIEW环境下得到很好的实现,可以有效地诊断出水轮机发电机组的故障信息。
刘峰[10]2003年在《基于神经网络的水轮发电机组振动故障诊断专家系统的研究》文中提出本论文以水轮发电机组振动在线监测与故障诊断为研究对象，以开发水轮发电机组振动神经网络障诊断专家系统为目的。结合盐锅峡水电站5#水轮发电机组的真机试验研究，通过对试验数据的分析和诊断，得出的结论对于水电厂的现场实际具有一定的指导意义。 本文首先论述了水轮发电机组故障诊断的重要意义，详细分析了故障诊断的研究现状及发展趋势，并对故障诊断的应用前景做了进一步分析。通过分析、整理、归纳水轮发电机组振动理论，水轮发电机组的振源以及水轮发电机组部分振动故障的特征，为建立故障诊断专家知识库奠定了基础。其次通过分析建立故障诊断专家系统的目的和任务，将神经网络的理论和方法与专家系统结合后用于水轮发电机组振动故障诊断，建立了故障诊断专家系统的模型。探讨了故障诊断专家系统中的知识获取、知识表示、知识库维护、不精确推理等用神经网络来解决的方法，提出了神经网络的分块技术，并在具体的研究对象：水轮发电机组上加以实现，从而建立开放的水轮发电机组振动故障诊断专家知识库。并采用预制文本法对系统的诊断结果进行了解释。同时分析了系统的硬件结构和实现过程，用面向对象分析方法分析设计故障诊断专家系统，并用软件加以实现。通过进行水轮发电机组真机试验，采用本文所研究的故障诊断专家系统对试验数据进行分析诊断，得出机组的故障为转子不平衡，并建议电厂对机组配重后，再进行动平衡实验。最后对全文进行总结，并分析了系统的不足，阐述了后续的研究工作。
参考文献：
[1]. 水轮发电机组振动在线监测和故障诊断研究[D]. 胡东海. 浙江大学. 2008
[2]. 基于弯扭耦合振动与轴心轨迹辨识的水轮发电机组故障诊断研究[D]. 付波. 华中科技大学. 2006
[3]. 水轮发电机组振动故障诊断系统的研究与设计[D]. 姜福长. 中南大学. 2008
[4]. 大型水轮发电机组状态监测与智能故障诊断系统研究[D]. 余文宁. 中南大学. 2007
[5]. 大型水轮发电机组状态监测与故障诊断技术的研究[D]. 熊浩. 重庆大学. 2001
[6]. 水轮发电机组状态监测与故障诊断系统设计与应用[D]. 孔祥彬. 西安理工大学. 2010
[7]. 水轮发电机组振动监测与故障诊断系统设计与应用[D]. 刘玉刚. 西安理工大学. 2006
[8]. 水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙. 华中科技大学. 2016
[9]. 基于LabVIEW的水轮机振动信号分析[D]. 孙中伟. 河北工程大学. 2017
[10]. 基于神经网络的水轮发电机组振动故障诊断专家系统的研究[D]. 刘峰. 西安理工大学. 2003
标签：水利水电工程论文; 电力工业论文; 故障诊断论文; 专家系统论文; 水轮发电机论文; 振动试验论文; 机械振动论文; 振动频率论文; 神经网络论文;