水電機組故障診斷中信號降噪和特征提取及分類方法研究.pdf

1、隨著水電機組向巨型化、大容量發(fā)展,狀態(tài)監(jiān)測在保障水電機組安全運行、甚至電網(wǎng)穩(wěn)定的作用越來越突出。狀態(tài)監(jiān)測可以反映機組運行過程中故障信息,例如機組出現(xiàn)轉(zhuǎn)子不平衡故障時,開機過程中振動信號的轉(zhuǎn)頻逐漸升高并且振動幅值也隨之增大,存在明顯的非平穩(wěn)特性,但是以往狀態(tài)分析方法都將信號作為平穩(wěn)信號進行分析,如常用的傅里葉變換。對此,本文對目前狀態(tài)監(jiān)測分析中信號降噪、特征提取和特征分類中存在的問題進行研究。
　　目前小波降噪方法在信號降噪處理中應(yīng)

2、用較多,但是普通的軟、硬閾值函數(shù)的小波降噪方法在降噪過程中會出現(xiàn)系數(shù)的恒定偏差和信號的附加振蕩問題。針對此問題,本文提出了一種改進閾值函數(shù)的小波降噪方法,使閾值函數(shù)變換后的系數(shù)在閾值點處連續(xù)且大于閾值處不會出現(xiàn)系數(shù)恒定偏差,既克服了硬閾值降噪產(chǎn)生的附加振蕩,也抑制了軟閾值降噪存在的過扼殺現(xiàn)象。通過不同降噪方法對模擬和實測信號的降噪效果對比,表明改進閾值的降噪方法在抑制附加振蕩和保留信號特征方面都優(yōu)于原有方法。
　　由于機組在開停機

3、等過渡過程中振動信號體現(xiàn)明顯的非平穩(wěn)特性,而根據(jù)維格納-維利分布(WVD)具有良好聚集性的特點,本文通過該方法對機組振動信號進行時頻分析,但分析發(fā)現(xiàn)其對多分量信號分析時存在交叉項干擾問題,即產(chǎn)生虛假頻率。針對此問題本文提出了一種維格納-維利分布和集合經(jīng)驗?zāi)B(tài)分解(EEMD)相結(jié)合的時頻分析方法。首先通過集合經(jīng)驗?zāi)B(tài)分解將信號分解為頻率成分較為單一的若干模態(tài)分量,再對每個模態(tài)分量進行維格納-維利分布的時頻分析,將每個分析結(jié)果進行疊加形成整

4、個信號的時頻分析。這樣既抑制了維格納-維利分布的交叉項干擾,又發(fā)揮了維格納-維利分布的高變分辨率的優(yōu)勢,最終將其應(yīng)用到機組開機過程的振動信號分析中。對比小波分析和短時傅里葉分析結(jié)果,表明該方法在機組開機過程能夠更加清晰的體現(xiàn)振動頻率特征。
　　由于水電機組狀態(tài)監(jiān)測數(shù)據(jù)是不斷采集的,形成的特征向量越來越多,將成為大規(guī)模海量數(shù)據(jù)集。針對此問題,本文將流挖掘的分類方法引入水電機組故障診斷中。通過在設(shè)置窗口內(nèi)進行關(guān)聯(lián)規(guī)則的挖掘和規(guī)則存儲,

5、即使新的數(shù)據(jù)不斷地產(chǎn)生,分類器只在固定窗口內(nèi)計算,并根據(jù)置信度對關(guān)聯(lián)規(guī)則進行更新存儲實現(xiàn)分類,達到了對水電機組故障特征進行快速診斷的目的,滿足在線故障分類的要求。
　　根據(jù)本文提出的信號分析處理方法,通過LabVIEW圖形編程軟件將其實現(xiàn)并應(yīng)用到水電機組狀態(tài)監(jiān)測分析中。通過實測的一段故障信號分別用傳統(tǒng)故障診斷方法和本文中提出的故障診斷方法進行分析,本文方法準確判斷主要存在故障為軸系不對中故障,與機組特征相符,從而進一步驗證了所提出