汽輪發(fā)電機(jī)組狀態(tài)趨勢預(yù)測及故障診斷方法研究.pdf

1、本文以汽輪發(fā)電機(jī)組為對象,對機(jī)組轉(zhuǎn)子-軸承系統(tǒng)的狀態(tài)趨勢預(yù)測和故障診斷方法進(jìn)行研究。首先,分析了汽輪發(fā)電機(jī)組常見典型故障的機(jī)理及其特征;其次,針對振動信號現(xiàn)場采集過程中易受噪聲干擾的特點,提出了一種基于自適應(yīng)結(jié)構(gòu)元素的廣義形態(tài)濾波方法對信號進(jìn)行預(yù)處理;然后,針對反映汽輪發(fā)電機(jī)組工作狀態(tài)的特征參數(shù)時間序列所具有的規(guī)律性特點,建立等維動態(tài)組合模型對機(jī)組的振動位移峰-峰值和基于不分層分析的諧波窗分解提取得到的特征量進(jìn)行趨勢預(yù)測;最后,針對軸心

2、軌跡形狀可以直觀反映轉(zhuǎn)子故障信息的特點,提出了一種基于不分層分析的諧波窗分解提純軸心軌跡的故障診斷方法。第一章介紹了本文的選題背景及意義,綜合論述了國內(nèi)外汽輪發(fā)電機(jī)組狀態(tài)趨勢預(yù)測和故障診斷技術(shù)的研究現(xiàn)狀,指出目前存在的一些問題,說明了本文的主要研究內(nèi)容。第二章對汽輪發(fā)電機(jī)組常見典型故障進(jìn)行了定性分析,研究了故障機(jī)理和特征,并簡要介紹了目前火電廠旋轉(zhuǎn)設(shè)備采用的振動標(biāo)準(zhǔn),旨在為后續(xù)章節(jié)提供基礎(chǔ)。第三章提出了一種基于自適應(yīng)結(jié)構(gòu)元素的廣義形態(tài)濾

3、波預(yù)處理方法。采用廣義形態(tài)濾波對信號進(jìn)行降噪預(yù)處理,無需預(yù)知信號的頻譜特征,通過一小一大自適應(yīng)的結(jié)構(gòu)元素對信號進(jìn)行形態(tài)學(xué)運算,即可抑制信號中的噪聲干擾。文中詳細(xì)論述了該方法的原理和構(gòu)造過程,并通過仿真和實例檢驗了該方法對信號的預(yù)處理效果。第四章在對汽輪發(fā)電機(jī)組狀態(tài)趨勢預(yù)測任務(wù)和可預(yù)測性分析的基礎(chǔ)上,構(gòu)建了等維動態(tài)組合模型,對汽輪發(fā)電機(jī)組的振動位移峰-峰值建立了預(yù)測模型,并結(jié)合仿真和實例檢驗了該模型的預(yù)測精度。第五章在總結(jié)汽輪發(fā)電機(jī)組狀態(tài)

4、特征量提取方法的基礎(chǔ)上,提出了一種基于不分層分析的諧波窗分解提取振動信號特征量的方法。采用不分層分析的諧波窗分解提取出反映機(jī)組運行工況的特征量,并對特征量建立等維動態(tài)組合預(yù)測模型,便于掌握機(jī)組狀態(tài)變化的規(guī)律和發(fā)現(xiàn)設(shè)備早期故障的苗頭。第六章針對軸心軌跡形狀可以直觀反映轉(zhuǎn)子故障信息的特點,提出了一種基于不分層分析的諧波窗分解提純軸心軌跡的故障診斷方法。通過對實測信號頻率分量的判斷,采用不分層分析的諧波窗分解提取信號中主要的頻率成分,重構(gòu)轉(zhuǎn)子