水电机组非平稳振动信号特征提取方法研究
发布时间：2020-12-22 12:24
水力发电作为目前世界上开发规模最大的清洁能源,已经被各个国家广泛应用。然而水电机组的结构复杂,机组的运行工况也比较恶劣,机组的安全稳定运行涉及到水力、机械和电气等多个方面的影响,是一个水-机-电耦合的多源非线性系统。机组也极容易出现各种设备故障,从而影响机组的稳定运行,且机组的振动信号具有较强的非线性,使得水电机组的故障特征信号提取比较困难。因此,研究水电机组非平稳振动信号的特征提取方法对机组运行维护和保障电网的安全稳定运行具有重要意义。为此,本文首先分析了水电机组引起振动的机理原因和几种典型的故障,重点研究了水电机组振动故障分类和机组所发生故障的振动特点,最后对机组的转子不平衡故障、转子不对中故障、定转子间出现的碰摩故障、尾水管发生的偏心涡带和极频振动等五个典型水轮发电机组故障进行分析,从而为后续的水电机组故障特征提取奠定理论基础。其次,针对当前水电机组特征提取方法中存在的故障早期微弱特征信号和渐变特征信号提取困难的问题,本文提出了一种基于变分模态分解（VMD,variational mode decomposition）的敏感特征分量提取方法。首先采用VMD对机组的振动信号进行分解...
【文章来源】：西安理工大学陕西省
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 选题目的和意义
1.3 国内外研究现状
1.3.1 国外水电机组故障分析研究现状
1.3.2 国内水电机组故障分析研究现状
1.3.3 国内外相关理论的研究现状
1.3.4 水电机组故障分析方法未来的发展趋势
1.4 论文研究内容
2 水电机组的振动机理和典型故障分析
2.1 引言
2.2 水电机组的振动机理
2.1.1 水电机组的振动故障类别
2.1.2 水轮发电机组的振动故障特点
2.3 水电机组的典型故障分析
2.3.1 转子不平衡故障
2.3.2 转子不对中故障
2.3.3 定转子间出现的碰摩故障
2.3.4 尾水管偏心涡带
2.3.5 极频振动
2.4 本章小结
3 基于变分模态分解的水电机组敏感分量特征提取方法
3.1 引言
3.2 变分模态分解的基本原理
3.3 基于互信息的敏感特征分量提取
3.3.1 互信息的基本原理
3.3.2 基于互信息的敏感分量提取方法
3.4 仿真信号分析
3.5 实测信号分析
3.6 本章小结
4 基于BEMD-FVS水电机组正交振动信号的特征提取
4.1 引言
4.2 二维经验模态分解的基本原理
4.3 全矢谱分析的基本原理
4.4 基于二维经验模态分解和全矢包络技术的特征提取方法
4.5 仿真信号分析
4.6 实例信号分析
4.7 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
A. 作者在攻读硕士学位期间参与的项目
B. 作者在攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于多输入层卷积神经网络的滚动轴承故障诊断模型[J]. 昝涛,王辉,刘智豪,王民,高相胜. 振动与冲击. 2020(12)
[2]基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用[J]. 赵靖,廖英英,杨绍普,刘永强,顾晓辉. 振动与冲击. 2020(11)
[3]大型风电机组电动变桨系统变桨角度故障诊断[J]. 高峰,邓星星,刘强,杨锡运,吴小江. 太阳能学报. 2020(05)
[4]基于加权中智C均值算法的变压器故障诊断模型[J]. 张贵,丁云飞. 水电能源科学. 2020(05)
[5]EEMD和优化的频带熵应用于轴承故障特征提取[J]. 李华,刘韬,伍星,陈庆. 振动工程学报. 2020(02)
[6]基于PSO-VMD-MCKD方法的风机轴承微弱故障诊断[J]. 张俊,张建群,钟敏,郑近德,李习科. 振动.测试与诊断. 2020(02)
[7]改进的TQWT在滚动轴承早期故障诊断的应用[J]. 任学平,黄慧杰,王朝阁,李攀,刘桐桐,张超. 振动.测试与诊断. 2020(02)
[8]改进型双稳随机共振系统及其在轴承故障诊断的应用[J]. 王慧,张刚,张天骐. 西安交通大学学报. 2020(04)
[9]基于CL3-AMW与LTSA的水电机组振动故障特征提取研究[J]. 卢娜,张广涛,姚泽,原文林,孙斌. 水力发电学报. 2020(02)
[10]基于数据挖掘的抽水蓄能机组故障关联关系分析[J]. 郑庭华,常玉红,周建中,刘涵,李玲,姜伟,贾天龙,许颜贺. 大电机技术. 2019(02)
博士论文
[1]基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究[D]. 杨志荣.华中科技大学 2011
硕士论文
[1]基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究[D]. 张炜博.华中科技大学 2019
[2]水轮发电机组振动故障诊断关键技术研究与应用[D]. 冉恒.重庆大学 2017
[3]混流式水轮机高于额定水头下叶道涡的研究[D]. 杨静.西华大学 2014
[4]水力发电机组振动监测与信号分析系统的研究[D]. 许云光.哈尔滨工业大学 2013
[5]水电机组振动监测分析系统研究[D]. 黎平.华中科技大学 2013
[6]水轮发电机组振动状态监测与分析技术研究[D]. 张鑫.华北电力大学 2011
[7]水电机组故障诊断系统数据挖掘技术的研究[D]. 王燕龙.西华大学 2011
[8]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
[9]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
本文编号：2931764
【文章来源】：西安理工大学陕西省
【文章页数】：61 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景
1.2 选题目的和意义
1.3 国内外研究现状
1.3.1 国外水电机组故障分析研究现状
1.3.2 国内水电机组故障分析研究现状
1.3.3 国内外相关理论的研究现状
1.3.4 水电机组故障分析方法未来的发展趋势
1.4 论文研究内容
2 水电机组的振动机理和典型故障分析
2.1 引言
2.2 水电机组的振动机理
2.1.1 水电机组的振动故障类别
2.1.2 水轮发电机组的振动故障特点
2.3 水电机组的典型故障分析
2.3.1 转子不平衡故障
2.3.2 转子不对中故障
2.3.3 定转子间出现的碰摩故障
2.3.4 尾水管偏心涡带
2.3.5 极频振动
2.4 本章小结
3 基于变分模态分解的水电机组敏感分量特征提取方法
3.1 引言
3.2 变分模态分解的基本原理
3.3 基于互信息的敏感特征分量提取
3.3.1 互信息的基本原理
3.3.2 基于互信息的敏感分量提取方法
3.4 仿真信号分析
3.5 实测信号分析
3.6 本章小结
4 基于BEMD-FVS水电机组正交振动信号的特征提取
4.1 引言
4.2 二维经验模态分解的基本原理
4.3 全矢谱分析的基本原理
4.4 基于二维经验模态分解和全矢包络技术的特征提取方法
4.5 仿真信号分析
4.6 实例信号分析
4.7 本章小结
5 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
A. 作者在攻读硕士学位期间参与的项目
B. 作者在攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于多输入层卷积神经网络的滚动轴承故障诊断模型[J]. 昝涛,王辉,刘智豪,王民,高相胜. 振动与冲击. 2020(12)
[2]基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用[J]. 赵靖,廖英英,杨绍普,刘永强,顾晓辉. 振动与冲击. 2020(11)
[3]大型风电机组电动变桨系统变桨角度故障诊断[J]. 高峰,邓星星,刘强,杨锡运,吴小江. 太阳能学报. 2020(05)
[4]基于加权中智C均值算法的变压器故障诊断模型[J]. 张贵,丁云飞. 水电能源科学. 2020(05)
[5]EEMD和优化的频带熵应用于轴承故障特征提取[J]. 李华,刘韬,伍星,陈庆. 振动工程学报. 2020(02)
[6]基于PSO-VMD-MCKD方法的风机轴承微弱故障诊断[J]. 张俊,张建群,钟敏,郑近德,李习科. 振动.测试与诊断. 2020(02)
[7]改进的TQWT在滚动轴承早期故障诊断的应用[J]. 任学平,黄慧杰,王朝阁,李攀,刘桐桐,张超. 振动.测试与诊断. 2020(02)
[8]改进型双稳随机共振系统及其在轴承故障诊断的应用[J]. 王慧,张刚,张天骐. 西安交通大学学报. 2020(04)
[9]基于CL3-AMW与LTSA的水电机组振动故障特征提取研究[J]. 卢娜,张广涛,姚泽,原文林,孙斌. 水力发电学报. 2020(02)
[10]基于数据挖掘的抽水蓄能机组故障关联关系分析[J]. 郑庭华,常玉红,周建中,刘涵,李玲,姜伟,贾天龙,许颜贺. 大电机技术. 2019(02)
博士论文
[1]基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究[D]. 杨志荣.华中科技大学 2011
硕士论文
[1]基于时频分析与非线性熵的水电机组智能故障诊断与状态趋势预测研究[D]. 张炜博.华中科技大学 2019
[2]水轮发电机组振动故障诊断关键技术研究与应用[D]. 冉恒.重庆大学 2017
[3]混流式水轮机高于额定水头下叶道涡的研究[D]. 杨静.西华大学 2014
[4]水力发电机组振动监测与信号分析系统的研究[D]. 许云光.哈尔滨工业大学 2013
[5]水电机组振动监测分析系统研究[D]. 黎平.华中科技大学 2013
[6]水轮发电机组振动状态监测与分析技术研究[D]. 张鑫.华北电力大学 2011
[7]水电机组故障诊断系统数据挖掘技术的研究[D]. 王燕龙.西华大学 2011
[8]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
[9]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
本文编号：2931764
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/2931764.html
