基于多小波和神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振動故障診斷研究.pdf

1、近些年來，隨著國家能源發(fā)展戰(zhàn)略，水電機(jī)組的裝機(jī)容量和數(shù)量都在不斷攀升。如何保證水電機(jī)組安全穩(wěn)定運(yùn)行，提前監(jiān)測到故障信號，防患于未然，顯得尤為重要。在對水電機(jī)組故障的研究中發(fā)現(xiàn)，雖然水電機(jī)組故障繁多，但約80％的故障都能在振動信號中反映出來。因此我們在研究水電機(jī)組故障的過程中，處理好現(xiàn)場實時采集的振動信號至關(guān)重要，會大大提高診斷的正確率和效率。在信號處理的過程中，由于多小波同時具有緊支撐性、對稱性、正交性和高階消失矩等優(yōu)良特性，而正是這幾

2、種特性保證了信號能量并減少失真，所以本文使用多小波對原始信號進(jìn)行降噪和特征能量提取。然后建立數(shù)據(jù)樣本集，使用神經(jīng)網(wǎng)絡(luò)對其進(jìn)行分類，并用粒子群算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，以使其收斂速度加快。
　　本研究主要內(nèi)容包括：⑴闡述了國內(nèi)外狀態(tài)監(jiān)測與故障診斷的發(fā)展現(xiàn)狀及存在的問題，在研究了傳統(tǒng)信號分析方法以及故障診斷方法的基礎(chǔ)上，提出了將多小波與神經(jīng)網(wǎng)絡(luò)結(jié)合用于水電機(jī)組的振動故障診斷，解決了提取特征向量的困難和祌經(jīng)網(wǎng)絡(luò)收斂速度慢的問題。研究了利用

3、多小波對振動信號進(jìn)行降噪的方法，將多小波相關(guān)理論引入到水電機(jī)組振動故障信號的降噪中，采用自適應(yīng)閾值法進(jìn)行降噪，分別用仿真信號和工程實測驗證該方法的有效性，并與db2小波進(jìn)行對比，以驗證其優(yōu)越性。⑵介紹了神經(jīng)網(wǎng)絡(luò)和粒子群算法的原理，并用粒子群算法對RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。論述了神經(jīng)網(wǎng)絡(luò)和粒子群算法中的關(guān)鍵參數(shù)如何選取。用多小波變換對水電機(jī)組振動信號進(jìn)行特征提取，將特征向量輸入經(jīng)過粒子群優(yōu)化后的RBF網(wǎng)絡(luò)進(jìn)行故障診斷。結(jié)果表明，此方法能夠很