基于小波分析的汽輪機故障診斷研究.pdf

1、汽輪發(fā)電機組是電力生產(chǎn)的重要設備，由于其設備結構的復雜性和運行環(huán)境的特殊性，汽輪發(fā)電機組的故障率一直比較高，故障危害性也很大。因此，汽輪發(fā)電機組的故障診斷一直是故障診斷技術應用的一個重要方面。
　　汽輪機振動信號中一般含有大量的噪聲，要求對振動信號進行消噪。在研究了Donoho閾值消噪的基礎上，提出了閾值量化的新定義，并實現(xiàn)了一種基于遺傳算法的信號消噪方法，通過引入了?估計因子，對估計因子的遺傳優(yōu)化來實現(xiàn)提高信噪比的目的，比較檢測

2、效果，可以看到基于遺傳算法的消噪效果要比傳統(tǒng)的Donoho閾值消噪效果更好。
　　小波包作為一種時頻分析手段引入到振動信號分析，小波包系數(shù)可以非常靈活地提供信號在時域和頻域的信息。通過實驗分析，基于小波包分解算法的汽輪機故障特征提取相比FFT頻譜分析算法，同樣能夠完全滿足振動信號分析的要求，并且可以獲得振動信號的能量在頻率上的分布，這為貝葉斯網(wǎng)絡的構建提供了基礎。實驗證明，該方法用于信號的特征提取是非常有效和切實可行的。
　

3、　將Bently轉子實驗室獲取的能量-頻率表離散化，來構建貝葉斯網(wǎng)絡模型。并將 Bently實驗臺上得到的碰磨數(shù)據(jù)進行消噪、特征提取，獲得碰磨故障下的故障征兆，結合貝葉斯網(wǎng)絡模型及專家經(jīng)驗確定的先驗概率，來實現(xiàn)貝葉斯網(wǎng)絡對故障的分類。實驗結果證明，本文基于專家經(jīng)驗的貝葉斯網(wǎng)絡模型與振動信號的消噪及特征提取技術，能根據(jù)振動信號，準確的判斷故障類型。
　　在山西某電廠實現(xiàn)了廠級信息監(jiān)控系統(tǒng)（SIS）及該廠機組的仿真機系統(tǒng)，SIS能夠實