基于信息融合技术的汽轮发电机故障诊断方法的研究

发布时间：2017-10-10 08:10

  本文关键词：基于信息融合技术的汽轮发电机故障诊断方法的研究

  更多相关文章： 汽轮发电机 故障诊断 信息融合 定转子振动

【摘要】：汽轮发电机组作为电力系统的核心设备,其健康状态直接关系到整个电力系统的安全稳定。研究汽轮发电机的故障监测与在线诊断,可以有效降低过度维修引起的不必要的经济损失和风险。传统的发电机故障诊断系统是基于单一信号或单一特征的,由于电机结构及其运行环境的复杂性,通常某种故障可能会伴随着多种故障特征,而某种故障特征又可能是由多种故障引起的,因此基于单一的故障诊断技术具有局限性,难以满足复杂电机的故障诊断要求。随着发电机可监测信息量的不断增加,如何综合利用发电机多方面的信息以提取更有效的故障特征,减少和消除利用单一故障信息的不确定性,以及克服单一诊断方法的局限性,提高故障诊断的准确度是一个重要的研究方向,也是十分必要的。本文首先对信息融合技术的概念、层次模型及其在故障诊断领域中的应用现状进行了阐述;然后,分析了发电机几种常见故障的故障机理,得到了发电机发生不同故障时的定转子谐波特征和定转子振动特征的区别,并将其作为故障的识别特征形成故障诊断样本;提出一种基于核主元分析和变尺度混沌聚类相结合的多传感器特征融合算法,先利用核主元分析算法提取故障样本的特征-非线性核主元,选取非线性核主元作为故障特征样本,再利用变尺度混沌聚类算法对其进行故障识别;提出一种利用模拟退火思想改进的粒子群优化聚类算法,算法利用基于样本相似度的特征加权方法,对样本的不同维特征进行加权得到特征加权的故障样本,利用改进的粒子群算法进行故障类型的识别,实现了基于振动特征的多种故障的诊断;最后,提出了基于修改证据源和证据组合规则的改进D-S(Dempster-Shafer)证据理论作为决策层的融合算法,建立具有层次结构的发电机故障诊断模型,对特征层的两种故障诊断算法给出的基本概率函数进行融合,最终给出更合理,更准确的故障诊断结果。
【关键词】：汽轮发电机 故障诊断 信息融合 定转子振动
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM311
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-17
• 1.1 课题研究的背景及意义10-11
• 1.2 汽轮发电机故障诊断研究现状及存在的问题11-12
• 1.3 信息融合技术12-16
• 1.3.1 信息融合的一般框架12-14
• 1.3.2 信息融合的主要方法及在故障诊断中的应用14-16
• 1.4 本文的主要工作16-17
• 第二章 汽轮发电机常见故障机理和故障征兆分析17-35
• 2.1 正常运行时的励磁磁动势分析17-19
• 2.2 转子绕组匝间短路故障19-24
• 2.2.1 转子匝间短路时励磁磁动势分析19
• 2.2.2 转子匝间短路对定转子谐波电动势的影响19-22
• 2.2.3 定转子振动特性的分析22-24
• 2.3 定子绕组匝间短路故障24-27
• 2.3.1 气隙磁场分析24-25
• 2.3.2 定转子振动特性分析25-26
• 2.3.3 定子绕组并联支路环流特性分析26-27
• 2.4 气隙偏心故障27-31
• 2.4.1 气隙偏心下的气隙磁密28
• 2.4.2 定转子振动特性分析28-30
• 2.4.3 定子绕组并联支路环流特性分析30-31
• 2.5 实验设备及方案研究31-32
• 2.6 实验结果分析32-34
• 2.7 本章小节34-35
• 第三章 汽轮发电机故障诊断方法的研究与应用35-50
• 3.1 基于变尺度混沌聚类和特征融合的发电机故障诊断35-42
• 3.1.1 核主元分析的原理35-36
• 3.1.2 变尺度混沌聚类算法的原理36-38
• 3.1.3 算法的实现38-39
• 3.1.3.1 KPCA特征融合算法的实现步骤38-39
• 3.1.3.2 MSCOA-FCM算法的实现步骤39
• 3.1.4 实例验证及分析39-42
• 3.2 改进粒子群加权聚类算法在发电机故障诊断中的应用42-49
• 3.2.1 模拟退火改进的粒子群算法43-44
• 3.2.2 基于样本相似度的特征加权方法44-45
• 3.2.3 算法的实现过程45-46
• 3.2.4 实例验证及分析46-49
• 3.3 本章小结49-50
• 第四章 汽轮发电机故障诊断的融合算法50-57
• 4.1 D-S证据理论简介及基本概念50-51
• 4.2 D-S证据理论存在的问题及解决的途径51-52
• 4.3 改进的D-S证据理论算法52-55
• 4.4 数值验证55-56
• 4.5 证据决策规则的选取56
• 4.6 本章小节56-57
• 第五章 汽轮发电机分层故障诊断模型及方法研究57-67
• 5.1 分层故障诊断模型的建立57-58
• 5.2 发电机故障信息的获取和预处理58-60
• 5.3 故障诊断算法及BPA的获取60-63
• 5.3.1 基于KPCA变尺度混沌聚类算法的BPA获取60-62
• 5.3.2 基于改进粒子群加权聚类算法的BPA获取62-63
• 5.4 基于改进D-S证据理论的证据融合和诊断决策过程63-65
• 5.5 诊断结果分析65-66
• 5.6 本章小节66-67
• 第六章 结论与展望67-69
• 6.1 结论67
• 6.2 展望67-69
• 参考文献69-73
• 在学期间发表的学术论文73-74
• 攻读硕士学位期间参加的科研情况74-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 李俊林,张雅丽,赵海文,师占群,李德仲;基于模型故障诊断方法的仿真研究[J];机床与液压;2003年05期

2 梁效斌;;电流表异常反应故障诊断与排除[J];内蒙古公路与运输;2005年04期

3 姚成玉;赵静一;;两栖车液压系统及其故障诊断搜索策略研究[J];兵工学报;2006年04期

4 刘晓英;钟联炯;魏玮;;分布式故障诊断管理研究[J];火炮发射与控制学报;2009年02期

5 黄平,汤志芳,罗振;利用模型仿真确定预报输出进行故障诊断的一种方法[J];武汉水利电力大学学报;2000年06期

6 阮跃;旋转机械智能故障诊断系统的设计[J];自动化仪表;2000年10期

7 曹钧,顾爱中,陆世鑫;螺杆马达状态监测与故障诊断技术的实验系统[J];液压气动与密封;2000年04期

8 赵燕伟,张国贤;可拓故障诊断思维方法及其应用[J];机械工程学报;2001年09期

9 吴海桥,刘毅,丁运亮;大型客机故障诊断初探[J];航空工程与维修;2001年04期

10 宋京伟;主分量分析法及在故障诊断中的应用(续)[J];中国设备工程;2001年11期

中国重要会议论文全文数据库 前10条

1 鲍忠贵;白方周;;故障诊断的模型跟踪法[A];1996中国控制与决策学术年会论文集[C];1996年

2 高锋;高强;马涛;;旋转机械振动状态监测与故障诊断管理[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

3 张庆虎;高普云;;基于非线性动力学理论的故障诊断方法与进展[A];第18届全国结构工程学术会议论文集第Ⅲ册[C];2009年

4 赵剑伟;赵江;郭志新;;基于多传感器信息融合的故障诊断方法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

5 乔汉东;谭松涛;熊伟;;风机常见故障诊断技术[A];2008年全国炼铁生产技术会议暨炼铁年会文集（下册）[C];2008年

6 王丽英;方攸同;苏丽颖;刘宝友;;劣化系统的故障诊断和检测策略的综合研究[A];第二十六届中国控制会议论文集[C];2007年

7 陈宏;巩晓峗;王丽雅;雷文平;;全矢谱技术在旋转机械不对中故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

8 牛大鹏;刘海峰;贾明兴;王福利;;一种新的非线性主成分分析故障诊断[A];2006中国控制与决策学术年会论文集[C];2006年

9 叶大鹏;丁启全;吴昭同;;二维隐Markov模型的故障诊断方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

10 娄国焕;周媛;;基于模糊理论的故障诊断方法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 陈晓煊　通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年

2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年

3 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年

4 本报记者　 矫阳;铁路运行安全保护神[N];科技日报;2006年

5 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年

6 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

7 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年

8 郭建国;盲目提高产品的技术含量不可取[N];中国工业报;2006年

9 本报记者 孙悦群;与天地对接 为飞船护航[N];黑龙江经济报;2006年

10 朱德恒 谈克雄;电气设备状态监测与故障诊断技术[N];中国电力报;2002年

中国硕士学位论文全文数据库 前10条

1 李康力;双离合器自动变速器故障诊断及故障处理研究[D];重庆大学;2011年

2 谢倩;基于模糊Petri网的故障诊断系统的研究[D];长沙理工大学;2012年

3 贾林;基于多模型估计的转子典型故障诊断与参数识别方法研究[D];上海交通大学;2013年

4 刘春卫;改进支持向量机在故障诊断中的应用[D];华东理工大学;2014年

5 徐真;协整结构突变理论在系统状态监测与故障诊断中的应用[D];南京航空航天大学;2007年

6 王剑非;卫星姿态控制系统的故障诊断研究[D];南京航空航天大学;2008年

7 王勉宇;基于图论的过程故障诊断研究[D];浙江大学;2002年

8 张顺峰;大型减速机状态监测及故障诊断系统的研究[D];大连理工大学;2006年

9 吴建港;基于无线网络的远程智能故障诊断系统的研究[D];天津大学;2004年

10 张远;基于信息融合技术的故障诊断模型和方法研究[D];中南大学;2003年

，

本文编号：1005250