基于小波分析與人工神經(jīng)網(wǎng)絡(luò)水輪機(jī)振動(dòng)信號(hào)分析.pdf

1、隨著能源結(jié)構(gòu)調(diào)整,可持續(xù)發(fā)展戰(zhàn)略的實(shí)施,目前我國(guó)正在加緊進(jìn)行水電開發(fā),水電裝備水平不斷邁向新高度,水電機(jī)組向高水頭、大容量、高參數(shù)發(fā)展。同時(shí)增加了水電機(jī)組運(yùn)行的穩(wěn)定性,安全性的難度.
　　隨著水輪機(jī)單機(jī)容量的提高，機(jī)組尺寸的增加，相對(duì)剛度的減弱，固有頻率降低，增加了發(fā)生局部共振的可能性。穩(wěn)定性問(wèn)題日益突出。水輪機(jī)組運(yùn)行的穩(wěn)定性是十分重要的問(wèn)題。根據(jù)實(shí)際調(diào)差表明：約10％的水輪機(jī)曾產(chǎn)生振動(dòng)。叢振源來(lái)說(shuō)，大部分是轉(zhuǎn)輪和主軸系統(tǒng)的振動(dòng)。

2、加劇振動(dòng)的原因越有60%是“水壓力脈動(dòng)”和“旋轉(zhuǎn)體的不平衡”。本文通過(guò)水輪機(jī)尾水管中的壓力脈動(dòng)信號(hào)對(duì)其信號(hào)狀態(tài)進(jìn)行分析，研究水輪機(jī)穩(wěn)定。由于水輪機(jī)振動(dòng)信號(hào)屬于非平穩(wěn)隨機(jī)信號(hào)，傳統(tǒng)的傅里葉變換不能完全滿足故障信號(hào)特征提取的要求，而且建立水輪機(jī)尾水管壓力脈動(dòng)狀態(tài)的數(shù)學(xué)模型非常復(fù)雜。本文提出了基于小波分析與人工神經(jīng)網(wǎng)絡(luò)水輪機(jī)組振動(dòng)信號(hào)分析的方法，利用小波變換提取振動(dòng)信號(hào)特征，利用神經(jīng)網(wǎng)絡(luò)識(shí)別特征。
　　針對(duì)水輪機(jī)尾水管壓力脈動(dòng)信號(hào)的非平

3、穩(wěn)和時(shí)變特性，提出了一種基于小波分析和自組織人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的尾水管壓力脈動(dòng)信號(hào)的分析方法。這種方法以水輪機(jī)尾水管壓力脈動(dòng)信號(hào)作為分析對(duì)象，首先應(yīng)用小波閾值法對(duì)信號(hào)進(jìn)行降噪減少干擾，然后將小波分解系數(shù)重構(gòu)得到不同頻帶的信號(hào)分量，并提取顯著的不同頻帶能量，并利用MATLAB平臺(tái)進(jìn)行算法實(shí)現(xiàn)。最后將各頻帶能量作為特征向量，用自組織人工神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，得到了尾水管壓力脈動(dòng)的不同模式。并利用MATLAB平臺(tái)進(jìn)行算法實(shí)現(xiàn)。運(yùn)行結(jié)果與常規(guī)方