水电机组状态监测与故障诊断

文章主要从水电站的实际情况出发,对水电站机电设备状态监测和故障诊断的意义、内容以及国内外的应用、发展方向进行了描述,分析了现有水电机组状态监测与故障诊断技术的研究现状,指出了存在的问题,同时提出了未来水电机组故障诊断技术的发展方向.     

基于改进不变矩与概率神经网络的水电机组轴心轨迹特征提取研究

在水电机组状态监测与故障诊断中,轴心轨迹是反映机组运行状态的重要特征。提出了将图形改进不变矩算法与概率神经网络相结合的方法,运用改进不变矩算法对水电机组几种不同运行状态下的转子轴心轨迹进行特征提取,得到相应的特征矩向量,构建概率神经网络进行训练分类,并结合电站实测数据进行了验证。结果表明,该特征提取与分类方法简单稳定,对不同形状的轴心轨迹具有较高的区分度和较好的识别率,可以为水电机组故障诊断提供有效依据。     

水电机组振动传感器校准——基于B&K实验台与PULSE分析系统

传感器是水电机组开展状态监测与故障诊断的基础。为加强水电机组振动、摆度等运行参数的监测,利用BK实验台与PULSE分析系统对水电机组振动传感器进行校准,总结分析了水电机组振动传感器存在的问题,并提出四点建议,为水电厂传感器选型及维护提供参考,为水电站长期安全稳定运行提供可靠的保障。     

水轮发电机组故障诊断技术

文章主要从水电站的实际情况出发,对水电站机电设备状态监测和故障诊断的意义、定义和特点进行了描述,并对现有的设备故障诊断技术的研究及应用现状进行了分析,同时指出了未来水电机组故障诊断技术中应研究的重点方向.     

基于变分模态分解和复杂度分析的水电机组振动信号特征提取

目前大型水电机组通常安装有状态监测系统可记录机组的振动数据,而如何从海量的数据中提取出机组的故障特征是水电机组故障诊断的难点和热点。提出了一种基于变分模态分解和复杂度分析的振动信号特征提取方法,该方法首先对降噪后的振动信号进行变分模态分解,再结合复杂度算法求得各模态分量的复杂度值,得到以各模态分量复杂度值为元素的反映机组故障信息的特征向量,最后利用支持向量机对特征向量进行分类。试验结果表明:基于变分模态分解与复杂度分析的特征提取方法对水电机组不同运行状态具有较好的区分度,是一种有效的振动信号特征提取方法。     

基于支持向量机的水电机组故障诊断

针对水电机组故障样本少的问题,将支持向量机引入水电机组故障诊断研究,提出一种结合小波频带分解与最小二乘支持向量机的水电机组故障诊断模型。基于机械设备“能量-故障”映射关系,运用小波分解提取机组振动信号各频带能量特征值,然后将能量特征值输入到多分类的支持向量机,实现对机组不同故障类型的识别。通过实验信号分析,表明将小波能量提取与支持向量机结合进行水电机组故障诊断是可行有效的,并具有较高的故障分辨能力,为水电机组故障诊断提供了新的方法和思路。     

基于支持向量机的水电机组故障诊

针对水电机组故障样本少的问题,本文将支持向量机引入水电机组故障诊断研究,提出一种结合小波频带分解与最小二乘支持向量机的水电机组故障诊断模型。基于机械设备“能量—故障”映射关系,运用小波分解提取机组振动信号各频带能量特征值,然后将能量特征值输入到多分类的支持向量机,实现对机组不同故障类型的识别。通过实验信号分析,表明将小波能量提取与支持向量机结合进行水电机组故障诊断是可行有效的,并具有较高的故障分辨能力,为水电机组故障诊断提供了新的方法和思路。     

基于一维卷积神经网络与近似熵特征融合的水电机组故障诊断

针对水电机组振动信号存在非平稳和非线性,单一特征提取难以实现高精度故障诊断问题,提出了一种基于卷积神经网络和近似熵特征融合的故障诊断方法。利用卷积神经网络提取振动信号特征;EEMD与近似熵构建信号特征向量,将两种方法提取的状态特征融合构建融合特征向量;进一步,将融合特征作为输入、故障类别作为输出,训练BP神经网络得到水电机组故障识别器,识别水电机组运行状态,即正常或具体故障类型。结合转子实验台实验数据,验证了所提方法在挖掘信号特征方面的有效性及较高的故障诊断准确率。     

水泵机组状态监测与故障诊断系统研究

从20世纪60年代到21世纪，我国的泵站工程为输水、供水以及防洪减灾提供了有力保障。针对水泵机组的状态监测与故障诊断进行研究，建立水泵机组状态监测与诊断的软件及各分析模块与数据库，进行机组性能的预测研究，为水泵机组的状态维修提供支持。     

基于小波变换与SVD的水电机组振动信号特征提取研究

提出一种基于小波变换与SVD相结合的方法用于提取水电机组振动故障特征。运用小波变换对已去噪处理的水电机组振动信号进行变换,变换得到信号各分支的小波分解系数,对各分支系数进行差值单支重构后,组成SVD的输入矩阵,提取奇异值得到特征向量。应用概率神经网络对提取的奇异值特征量进行效果分类。通过水电站机组实测数据验证表明该特征提取方法操作简单稳定,具有较高区分度与较好识别率,可以为水电机组状态故障诊断提供有效依据。     

水电机组空蚀在线监测装置开发与应用

水电机组空蚀是影响机组出力和效率的重要因素,因此对水电机组空蚀在线监测非常必要。介绍了空蚀对水轮机的破坏机理,水电机组空蚀在线监测装置的组成及应用。空蚀监测装置可以进行实时数据采集、存储和在线监测,能分析不同工况下的空化强度指标,掌握机组空蚀的发展趋势,为指导机组检修进行了有益的探索。     

应用状态监测技术提高港口装卸设备的管理水平

设备状态监测及故障诊断技术是有关港口设备运行维护的一项较新兴技术.本文介绍了日照港煤码头装卸设备中应用振动监测和故障诊断技术的前景.通过状态监测技术的应用,以提高设备的现代化管理水平,增加经济效益,以及开展此项工作的意义.     

风电机组传动链综合状态监测与故障诊断技术

为了实现对风电机组传动链结构及运行过程的监测与诊断,结合单一的物理仿真或单一的经验.利用风电机组传动链在线状态监测系统采集数据并预处理,采用FFT,FNN和专家系统推理机对不同类型的故障进行诊断,采用决策融合技术对诊断结果进行优化,构建风电机组传动链在线综合状态监测与故障诊断系统.将该系统与风电场CMS系统和SCADA系统相结合,对风电机组进行状态监测与故障诊断.以某风电场主轴轴承故障为例,分析振动幅值、故障发生时间、故障部位及故障程度,根据诊断情况,给出了专家意见.该系统具有很强的通用性、适应性、容错性和易实现性,提高了分析问题、推理及优化、远程诊断分析能力,达到了较高的智能化水平等建议.     

基于虚拟技术的网络化设备管理系统的研究

现在的设备管理已经从过去的事后维修、计划维修发展成为状态维修、网络化维修。为此,通过将网络通讯技术、虚拟仪器技术和故障诊断理论相结合,使监测现场、管理部门、故障诊断中心及设备生产厂家联合起来,实现对企业大型设备进行实时状态监测和远程故障诊断。企业内部Intranet实现对设备的实时状态监测和快速故障诊断;同时,通过Internet与专门的设备故障诊断中心通信,实现复杂故障诊断与技术支持。设备生产厂家可以实时跟踪设备,对设备进行的完善与改进。网络化设备管理系统不仅增强了设备综合管理能力,而且对提高企业竞争力、降低设备维修成本、提高经济效益具有非常重要的意义。     

基于时序贴近度与改进SVM的水机轴心轨迹诊断

为了提高水轮机组诊断的精确性,提出应用时间序列模糊贴近度特征提取轴心轨迹特征参数,通过改进SVM模型并引入故障分类准确性判定因子对参数化的水电机组轴心轨迹开展了智能诊断.应用改进SVM对时间序列特征引入正确率、错误分类率计算方法,从而对诊断后轴心轨迹分类准确性进行判定,由此促进运行状态设备智能诊断,提高故障诊断系统的自动诊断水平及准确率;引入多类分类支持向量机算法、分类准确度判断解决异常状态下机组轴心轨迹特征参数无法识别、识别率低的问题.通过对改进扩展时序距离时间序列贴近度度量算法的应用解决了水电机组实时轴心轨迹特征参数准确性差和实时性差的问题.该方法提高了检测精度,同时增强了人机交互性,具有重要的理论意义和实用价值.     

基于流量模型的水电机组效率监测

在进行水电机组效率评估时需实测水轮机流量,在许多实际系统中,受条件限制,流量无法准确测量。依据几何断面与流量的关系,建立了水电机组的流量模型,并提出一种基于流量模型的效率监测与评估方法。基于流量模型可以由水轮机相关运行参数计算水轮机的流量,再通过实测机组出力计算机组相对效率,从而实现对机组效率的监测与评估,以指导水电机组的经济与安全运行。     

水电机组效率在线监测系统

水电机组效率在线监测系统在水电厂运行中具有十分重要的意义，是水电站实现经济运行及机组状态检修的基础。介绍了利用AdLink NuDAM系列模块进行数据采集的方法，以及效率在线监测系统中参数监测、数据录入、处理、打印、报表、曲线绘制、参数设置等各项功能。介绍了NuDAM与微机通讯方式、数据保存以及利用最小二乘法绘制机组动力特性曲线的方法。运行实例表明该系统运行稳定可靠。     

基于KD-Tree与DBSCAN的水电机组状态监测数据清洗方法

针对水电机组状态监测数据量逐步增大,数据质量差的问题,提出了一种基于改进K维树（K-Dimensional Tree,KD-Tree）与基于密度的空间聚类算法（Density-Based Spatial Clustering of Applications with Noise,DBSCAN）的水电机组状态监测数据清洗方法,首先对输入数据建立KD-Tree,再使用DBSCAN在最近邻样本上扫描完成聚类,聚类结束以后会分离出噪声点,将噪声点去除即可完成对水电机组状态监测数据清洗。选取某水电站状态监测系统上导摆度数据1 088条,再以相同时间间隔插入随机数据100条,通过算例与常规DBScan、K-means、OCSVM算法对比聚类性能与时间性能,所提出的方法识别正确率最高,为97.78%,消耗时间最少,为0.007 732 s,数据清洗效果最优,并可以大幅减少计算时间。     

小波分析在水力发电机组振动信号去噪中的应用

振动是水力发电机组的常见现象，其影响水电机组的稳定运行及安全运行。因此，振动的监测与诊断就显得十分重要。但是，振动传惑器采集的信号受到机组运行现场的各种噪声污染，不能准确的反映机组运行状态。应用小波分析技术可以对噪声严重污染的振动信号进行去噪处理，精确地恢复原信号，试验证明效果良好。     

状态监测与故障诊断技术在水轮机调节系统中的应用与发展

文章简述了水轮机调速器状态监测与故障诊断的现实意义,介绍了状态监测与故障诊断的组成与工作原理,着重阐述了状态监测与故障诊断技术在国内外的应用与发展状况,指出了该技术目前存在的主要问题,并提出了状态监测和诊断技术未来的发展方向。