水电机组振动信号分析与智能故障诊断方法研究

发布时间：2024-04-27 01:25

　　随着我国能源战略的不断调整,现代能源体系正迈入安全、清洁、高效的低碳时代。一方面,常规水电和抽水蓄能迎来新的发展机遇,装机规模快速增长；另一方面,为消纳风电、太阳能、海洋能等新能源并网时给电网带来的冲击,水电能源将承担更多的调峰、调频任务,同时,为切实解决新能源背景下的弃风、弃水、弃光等问题,对水电的运行与管理提出了更高的要求。而水电机组作为水电能源转换的关键设备,正朝复杂化、巨型化方向不断发展,各部件间的耦合作用更加强烈,由此带来机组振动信号的非线性与非平稳性不断增强,尤其是故障与征兆间的映射关系更为复杂。对此,传统的状态监测与故障诊断方法已难以很好地满足新形势下的水电机组运行分析需求,迫切需要研究新的理论与方法,譬如在监测系统采集到的机组实际运行数据基础上,探索新的信号分析与故障诊断方法,以提高状态监测与故障诊断的分析精度,进而提升机组的运行稳定性。为此,本文针对工程实际中水电机组振动信号分析与故障诊断的若干关键科学问题,以非平稳振动信号处理为切入点,引入先进的信号处理方法,以提取湮没在背景噪声中的故障特征频率成分,并为提升不同故障征兆的可辨识性,研究基于时序模型参数盲辨识的故障特...

【文章页数】：126 页

【学位级别】：博士

【部分图文】：

图３－３水电机巧振动仿真信号??对加噪后的振动仿真信号构造Ｈａｎｋｅｌ矩阵并进斤ＳＶＤ分解，再根据均值滤波策??略选出有效奇异值，然后进行振动信号重构

＂Ｉ??其中，幅值分别为２０／ｍｉ、１０／／ｍ、５户ｍ、３／ｍｉ、ｌ／／ｍ，频率分别为２出、２ｘ２Ｈｚ、??２ｘ３化、２ｘ４出、２ｘ０．５化。采样频率为１０００化，仿真得到的水电机组振动信号如图３－３??（ａ）所示，在该信号上添加信噪比为５ｄＢ的白噪声，带噪声的信号如图３－３?（....

图３－６最终巧巧后的信号??

ｉＶ为信号采样点数．Ｖ，为真实的理想信号，（，为ｖ＜的估计，Ｉｇ表示Ｗ?１０为底的??对数。??ＳＶＤ的降噪结果如图３＊４所示，ＥＭＤ与ＶＭＤ的降噪结果如图３－７所示，各方法??的降噪性能指标如表３－２所示。从表中结果对比可Ｗ看出，所提降噪方法的相关系数、??信噪比指标都好于ＳＶ....

图３－７基于ＥＭＤ与ＶＭＤ的降噪结果??表３－２不同方法降巧结果对比??

为验证所提降噪方法的工程应用效果，本节将其用于双沟电站１＃机上导摆度信号??的降噪分析，并与ＶＭＤ方法做对比分巧。该机组额定转速为１８７ｒ／ｍｉｎ．信号采样频率??为４００Ｈｚ，采样点数为１０２４个，上导摆度信号的时域波形如图３－８所示。由图可知，??该摆度信号中包含了大呈背景噪....

图４－１基于ＶＭＤ－ＭＡＲ模型参巧音辨识的特征提取流程??４．４工程试验与结果分析??为验证所提特征提取方法有效性，本节将其应用于滚动轴承故障信号与水电机组空??

步骤７；对于待诊断的故障信号，重复步骤２￣５，并将最终获取的故障特征向量代??入ＳＶＭ分类器，得到诊断结果。??详细的流程图如图４－１所示。??原始振动信号???Ｉ???巧据采集系统?????＂?Ｉ?待诊值号??＿样本信号１????ＶＭＤ分解，得到个模态分＊???＊???对所有分....

本文编号：3965151