基于小波包与改进DE-ELM的汽轮机振动故障诊断研究

发布时间：2017-09-08 19:02

  本文关键词：基于小波包与改进DE-ELM的汽轮机振动故障诊断研究

  更多相关文章： 振动故障 最优小波包基 “小波包-能量谱” IMDE-ELM分类器

【摘要】：汽轮机是发电厂在生产过程中的重要部件,主要被用作生产过程中的热力发动机,将煤燃烧后获得的热能转换成为旋转部件的机械能、进而经发电机转换成为电能。其高效且稳定的工作是电厂中经济生产的重中之重。伴随着电厂设备不断地向大机组、高参数的方向去发展,设备的复杂程度与自动化水平也日益增高。因此,为确保设备安全运转,降低安全费用,提高设备使用率,必须采取有效的方法对汽轮机组进行状态检测与故障诊断。本文采用小波包分析的方法,对于汽轮机的振动信号包含大量的突变和短时冲击成分的特点对典型的去噪方法实施改进,采用基于Shannon熵的最优小波包结合不同的频段阈值选取的方式对振动信号进行去噪处理,取得了良好的效果。并利用“小波包—能量谱”的方法对去噪后的信号进行了分解,并把各个频段的节点单独的进行重构获得重构数据的能量,并进行归一化处理得到振动信号的振动征兆,构建出汽轮机振动故障的特征。极限学习机相比其他的分类网络具有速度快且泛化能力好的优势,但它的输入权值与隐含层偏置是进行随机选取的,并不能确保其最优,所以利用改进后差分进化算法(IMDE)的整体搜索与快速进化的优点,对极限学习机进行了优化,设计了IMDE-ELM分类器。依据汽轮机的振动故障特征表采用IMDE-ELM分类器模型对汽轮机的振动状态进行训练与识别。通过Matlab软件进行程序的编写,并对诊断结果加以仿真对比。仿真结果表明：IMDE-ELM模型的诊断速度相比其他模型更快,且诊断精度可以达到100%。该模型可以被用作汽轮机振动状态的识别与分类,为汽轮机的振动故障诊断研究提供了坚实的理论基础。
【关键词】：振动故障 最优小波包基 “小波包-能量谱” IMDE-ELM分类器
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM621
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-13
• 1.1 课题的研究背景及意义8-9
• 1.2 汽轮机振动故障诊断研究现状9-11
• 1.2.1 国外研究现状9-10
• 1.2.2 国内研究现状10-11
• 1.3 本课题主要研究内容11-13
• 第2章 汽轮机常见振动故障类型及特征13-18
• 2.1 汽轮机常见故障分类13-14
• 2.2 常见故障的机理及特征14-16
• 2.2.1 转子不平衡故障14
• 2.2.2 转子不对中故障14-15
• 2.2.3 油膜振荡故障15
• 2.2.4 蒸汽涡动故障15-16
• 2.2.5 轴承座松动故障16
• 2.2.6 转子径向磨碰故障16
• 2.3 本章小结16-18
• 第3章 小波包在故障诊断中的应用18-32
• 3.1 小波分析理论基础18-19
• 3.1.1 传统傅里叶分析18
• 3.1.2 小波分析理论基础18-19
• 3.2 多分辨率分析19-20
• 3.3 小波包分析20-22
• 3.3.1 小波包定义20-21
• 3.3.2 小波包分解与重构21-22
• 3.4 故障奇异点小波检测22-23
• 3.5 母小波函数及其小波基的选择23-27
• 3.5.1 母小波函数及其相应基选择的必要性23
• 3.5.2 常见小波母函数及其性质23-26
• 3.5.3 小波(包)基的选择26-27
• 3.6 最优小波包基降噪27-30
• 3.6.1 传统阈值的去噪方法分析27-28
• 3.6.2 最优小波包基降噪28-30
• 3.7 小波包—能量谱法提取故障征兆30-31
• 3.8 本章小结31-32
• 第4章 IMDE-ELM故障分类器设计32-45
• 4.1 极限学习机概述32-34
• 4.1.1 极限学习机理论32-34
• 4.1.2 极限学习机的特征34
• 4.2 差分进化算法研究34-41
• 4.2.1 差分进化算法简介34-36
• 4.2.2 差分进化算法的改进36-38
• 4.2.3 改进后差分进化算法的优势38-41
• 4.3 基于改进差分进化算法优化的极限学习机41-43
• 4.3.1 极限学习机存在的问题41
• 4.3.2 IMDE-ELM及其步骤与流程41-43
• 4.4 IMDE-ELM的实验验证43-44
• 4.5 本章小结44-45
• 第5章 基于小波包与IMDE-ELM的汽轮机振动故障诊断45-51
• 5.1 仿真信号的获取与验证45-46
• 5.2 振动信号预处理46-47
• 5.3 故障信号的特征提取47-48
• 5.4 故障信号的训练与识别48-50
• 5.5 诊断结果分析50
• 5.6 本章小结50-51
• 结论51-52
• 参考文献52-56
• 攻读硕士学位期间发表的论文及其它成果56-59
• 致谢59

【相似文献】

中国硕士学位论文全文数据库 前1条

1 迟警;基于小波包与改进DE-ELM的汽轮机振动故障诊断研究[D];东北电力大学;2016年

，

本文编号：815751