水輪發(fā)電機組轉(zhuǎn)子軸心軌跡自動辨識的研究與實現(xiàn).pdf

1、振動是水輪發(fā)電機組運行中最為常見的故障之一，強烈的振動將直接危及到機組乃至電力系統(tǒng)的安全運行。因此，系統(tǒng)開展機組振動故障診斷研究，對保障機組穩(wěn)定運行十分重要。本文針對該問題開展了振動故障診斷相關(guān)方法研究，完成的工作有:
　　 進行了水輪發(fā)電機組振動信號的信噪分離研究。針對所研究的振動信號特點，基于db5小波函數(shù)，主要對信號進行了小波包分解、閾值量化和信號重構(gòu)，保留了信號最關(guān)鍵波形特征，改進了小波包多尺度濾波重構(gòu)消噪算法。有效剔除

2、了噪聲因素引起的成分，保留了原信號中的銳變尖峰特征和平滑特征等最關(guān)鍵波形特征，取得了很好的消噪效果。在此基礎(chǔ)上合成了軸心軌跡圖形，并通過虛擬仿真獲得虛擬軸心軌跡樣本庫，獲取的軸心軌跡包含了機組實際運行中會出現(xiàn)的主要軸心軌跡特征。
　　 開展了水輪發(fā)電機組軸心軌跡圖形邊緣矩特征提取和軸心軌跡的神經(jīng)網(wǎng)絡(luò)智能識別的研究。首先，提出了邊緣檢測和矩特征提取相結(jié)合的特征提取算法，采用粒子群尋優(yōu)算法來獲取與待識別樣本最接近的已知樣本作為特征向

3、量，研究了轉(zhuǎn)子軸心軌跡的特征提取方法，對常見各種軸心軌跡進行了特征提取。在此基礎(chǔ)上，將編碼原理與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，開展了機組軸心軌跡的神經(jīng)網(wǎng)絡(luò)智能識別研究，提出了一種應(yīng)用改進的BP神經(jīng)網(wǎng)絡(luò)智能識別方法，其識別結(jié)果在智能化和人性化方面都得到提高，并增強了人機交互性，識別結(jié)果令人滿意。
　　 最后，進一步開展了水輪發(fā)電機組軸心軌跡的支持向量機分類識別方法研究。將分類矩陣作為屬性特征判別函數(shù)，并通過改進歸類判別函數(shù)和誤差閾值函數(shù)，改