首页 > 学术论文

基于多小波的水电机组振动特征提取及故障诊断方法研究

来源:论文学术网
时间:2024-08-18 12:57:20
热度:

基于多小波的水电机组振动特征提取及故障诊断方法研究【摘要】:随着国民经济的快速发展,我国电力需求也面临着急剧增长的局面,水力发电作为电力能源结构的重要组成部分,其综合开发和利用已经

【摘要】:随着国民经济的快速发展,我国电力需求也面临着急剧增长的局面,水力发电作为电力能源结构的重要组成部分,其综合开发和利用已经成为我国可持续发展的重要战略方向。水电机组作为水力发电的关键设备,目前正在向大型化、复杂化、集成化、精密化、自动化方向发展,与此同时,其安全性和稳定性问题也日趋突出。水电机组振动包含机组运行状态的重要信息,同时,当其数值超过一定阈值时,也会成为影响机组安全运行的主要故障。因此,开展水电机组振动故障诊断技术研究,已成为保证水电机组和电网安全、稳定运行,提高设备利用率,避免重大经济损失和人员伤亡的迫切要求。 特征提取和故障诊断方法研究是水电机组振动故障诊断过程中的两个关键问题,许多学者在这些方面进行了广泛的探索和深入的研究,并取得了相应的成果。然而,由于水电机组自身的复杂性和某些传统方法本身的特性决定了其在不同程度上存在不足,使得水电机组故障诊断结果的准确性还难以得到保证。因此,为确保水电机组振动故障快速、准确的诊断,一方面需要对原有方法进行改进,发挥其优点,抑制其不足,满足水电机组振动故障诊断要求;另一方面,需要利用国内和国际上先进的技术,加强对新的特征提取和故障诊断方法的探索和研究,寻求更加合理的水电机组振动故障诊断解决方案。 小波分析方法克服了傅里叶变换的诸多缺陷,能够同时展现出信号的时域特征和频域特征。多小波分析是小波分析的扩展,其不仅继承了小波分析的优点,而且能够同时具有正交性、对称性,紧支撑、高阶消失矩等多种优良特性,具有更加广阔的应用前景。本文结合水电机组的特点,以小波、多小波理论为基础,以改进、优化现有方法和提出、引入新方法为手段,以水电机组安全、稳定运行为目标,分别从水电机组振动信号特征提取和故障诊断方法方面,展开了深入的研究,为水电机组振动故障的快速、准确诊断提供了新的思路和解决方案。具体研究内容包括: 系统阐述了小波、多小波理论,研究了多小波预处理方法,为水电机组振动信号降噪预处理和故障特征自适应提取方法的提出奠定理论基础;详细分析了小波阈值降噪方法和多小波相邻系数降噪方法,并在此基础上提出了基于多小波相邻系数降噪的水电机组振动信号降噪方法。通过与小波阈值降噪方法进行实验对比分析,并考虑不同基函数、阂值函数和多小波预处理方法对降噪效果产生的影响,验证了所提出方法的有效性。 提出了基于综合检测指数的水电机组自适应多小波振动故障特征提取方法。首先,以综合检测指数最大值为优化目标,利用遗传算法从自适应多小波库中选择最优多小波;然后,利用该多小波分别对转子实验台和水电机组采集的振动信号进行特征提取;接下来,用K均值聚类方法检测该方法的有效性。实验结果表明,与基于综合检测指数的GHM多小波特征提取方法和DB4小波特征提取方法相比,所提出的方法能够有效的增强特征参数对故障的敏感性,获得更高的故障识别率。 结合小波与神经网络理论,提出了基于蚁群初始化小波网络的水电机组振动故障诊断方法。采用蚁群算法对小波网络的参数进行初步寻优,将优化后的参数作为小波网络的初始化参数,利用梯度下降法完成小波网络的后续训练。水电机组的实例诊断结果表明,该方法克服了传统小波网络对初始参数敏感的缺陷,具有较快的收敛速度和较强的泛化能力。 结合多小波与神经网络理论,提出了基于径向基多小波网络的水电机组振动故障诊断方法。采用多小波尺度函数作为径向基多小波网络的核函数,建立网络模型,并将该网络模型引入到水电机组振动故障诊断中,加快了网络收敛速度,增强了网络的泛化能力,更适用于水电机组振动故障的在线学习和诊断。 论文最后对本文的主要研究内容进行了系统的总结,并指出了水电机组振动故障诊断的研究重点和小波、多小波相关理论在水电机组故障诊断应用方面未来需要开展的研究工作。 【关键词】:水电机组振动 特征提取 故障诊断 多小波 自适应多小波 小波网络 多小波网络
【学位授予单位】:武汉大学
【学位级别】:博士
【学位授予年份】:2014
【分类号】:TV734
【目录】:
  • 论文主要创新点5-8
  • 摘要8-10
  • Abstract10-12
  • 1 绪论12-30
  • 1.1 引言12-13
  • 1.2 水电机组故障诊断概述13-17
  • 1.2.1 水电机组故障诊断的作用13-14
  • 1.2.2 国外故障诊断发展现状14-16
  • 1.2.3 国内故障诊断发展现状16-17
  • 1.3 故障特征提取与故障诊断方法综述17-25
  • 1.3.1 故障特征提取方法综述17-20
  • 1.3.2 故障诊断方法综述20-25
  • 1.4 研究背景与意义25-27
  • 1.5 论文的结构与内容27-30
  • 2 基于多小波相邻系数降噪的水电机组振动信号降噪方法研究30-56
  • 2.1 引言30
  • 2.2 小波理论30-40
  • 2.2.1 小波变换及多分辨率分析基础30-35
  • 2.2.2 小波的Mallat算法35-37
  • 2.2.3 几种常用的小波37-40
  • 2.3 多小波理论40-49
  • 2.3.1 多小波的多分辨率分析基础40-42
  • 2.3.2 多小波的Mallat算法42-43
  • 2.3.3 多小波预处理方法43-44
  • 2.3.4 几种常用的多小波44-49
  • 2.4 基于多小波相邻系数降噪的水电机组振动信号降噪方法49-55
  • 2.4.1 小波阈值降噪方法50-51
  • 2.4.2 多小波相邻系数降噪方法51-52
  • 2.4.3 水电机组振动仿真信号降噪实例52-55
  • 2.5 本章小结55-56
  • 3 基于综合检测指数的水电机组自适应多小波振动故障特征提取方法研究56-86
  • 3.1 引言56
  • 3.2 自适应多小波理论56-61
  • 3.2.1 两尺度相似变换56-58
  • 3.2.2 自适应多小波构造58-61
  • 3.3 综合检测指数61-62
  • 3.4 基于综合检测指数的水电机组自适应多小波振动故障特征提取方法62-85
  • 3.4.1 遗传算法63-64
  • 3.4.2 最优多小波选择64-66
  • 3.4.3 水电机组振动故障特征提取实例66-85
  • 3.5 本章小结85-86
  • 4 基于蚁群初始化小波网络的水电机组振动故障诊断方法研究86-105
  • 4.1 引言86-87
  • 4.2 人工神经网络87-91
  • 4.2.1 人工神经元87-89
  • 4.2.2 人工神经网络的结构89-90
  • 4.2.3 人工神经网络的特点90-91
  • 4.2.4 人工神经网络存在的问题91
  • 4.3 小波网络91-95
  • 4.3.1 小波网络的理论基础92
  • 4.3.2 小波网络的分类和结构92-93
  • 4.3.3 小波网络训练算法93-95
  • 4.4 蚁群初始化小波网络95-97
  • 4.4.1 蚁群算法原理95-96
  • 4.4.2 蚁群初始化小波网络原理和步骤96-97
  • 4.5 基于蚁群初始化小波网络的水电机组振动故障诊断97-104
  • 4.5.1 频谱分量幅值特征参数诊断实例97-100
  • 4.5.2 自适应多小波特征参数诊断实例100-104
  • 4.6 本章小结104-105
  • 5 基于径向基多小波网络的水电机组振动故障诊断方法研究105-122
  • 5.1 引言105
  • 5.2 径向基神经网络105-109
  • 5.2.1 径向基神经网络结构106
  • 5.2.2 径向基神经网络相关参数的选择方法106-107
  • 5.2.3 径向基神经网络训练107-109
  • 5.3 径向基多小波网络109-114
  • 5.3.1 多小波网络的理论基础109
  • 5.3.2 多小波网络的分类和结构109-113
  • 5.3.3 径向基多小波网络参数的确定113-114
  • 5.3.4 径向基多小波网络训练114
  • 5.4 基于径向基多小波网络的水电机组振动故障诊断114-121
  • 5.4.1 频谱分量幅值特征参数诊断实例114-117
  • 5.4.2 自适应多小波特征参数诊断实例117-121
  • 5.5 本章小结121-122
  • 6 总结与展望122-124
  • 6.1 全文总结122-123
  • 6.2 工作展望123-124
  • 参考文献124-136
  • 附录1 攻读博士学位期间发表的学术论文136-137
  • 附录2 攻读博士学位期间参与的科研项目137-138
  • 附录3 中英文对照表138-139
  • 致谢139-140


您可以在本站搜索以下学术论文文献来了解更多相关内容

基于粒子群-小波神经网络的模拟电路故障诊断    左磊;侯立刚;高大明;彭晓宏;吴武臣;

服役飞机结构件腐蚀失效故障树分析及改进    潘波;黄领才;姜同敏;侯卫国;

基于经验模式分解的时频重排方法及其应用    郝志华;关榆君;马孝江;

用于水电厂设备的故障诊断的贝叶斯网络模型    张晓丹;赵海;谢元芒;尹震宇;

我国水电厂“无人值班”(少人值守)工作评述    杨金栋,周志清,方辉钦

基于SVM的集成预测方法及其在水电机组故障诊断中的应用    邹敏;周建中;刘忠;张勇传;占梁梁;

智能水电厂自动化系统总体构想    王德宽;张毅;刘晓波;何飞跃;余江城;段振国;

幅值域无量纲指标对液压泵故障敏感性的实验研究    姜万录;刘思远;

基于贝叶斯网络和油中溶解气体分析的变压器故障诊断方法    王永强,律方成,李和明

基于支持向量机的移动机器人故障诊断    林吉良;蒋静坪;

基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究    杨志荣

蚁群算法与小波网络在复杂性科学中的应用研究    冯登超

模糊故障树分析法在真空系统维修中的应用    张文朋;

风机故障机理及诊断方法    张远军;

液力变矩器叶片流固耦合强度分析    魏巍;闫清东;朱颜;

大功率液力变矩器叶轮强度有限元分析    闫清东;刘树成;姚寿文;李晋;

角膜移植显微手术机器人系统的安全分析    张慧慧,谢礼忠,李大寨

基于故障树的飞机结构腐蚀损伤模糊综合评判    潘波;姜同敏;

基于证据推理的电站锅炉空预器热点检测    梁炎明;刘丁;李琦;刘涵;宋念龙;

水轮发电机低频振动的测量研究    肖明伟;杨永明;钟玉林;付志红;张淮清;

智能故障诊断的应用研究    杨丹;

蚕茧质量无损检测方法的研究    陈原,刘民,罗先利

电磁外力激励下裂纹转子非线性振动响应实验研究    刘成俊;刘军;井上刚志;石田幸男;

改进Elman网络在水轮发电机组故障诊断中的应用    姬巧玲;梅顺齐;漆为民;蔡维由;

基于信息熵距的旋转机械振动故障诊断方法的研究    陈非;黄树红;张燕平;申弢;高伟;

水电机组状态监测及数据分析软件系统的研制    张伟;韩亮;吴玉林;

基于CPLD控制的水电机组在线监测系统数据采集卡设计    张伟;韩亮;陈斌;张俊华;

水电机组故障诊断技术的发展现状与展望    潘罗平;周叶;唐澍;桂中华;余江城;刘娟;

水电机组故障智能诊断研究综述    葛新峰;徐广文;周叶;唐澍;

水电机组状态监测及数据分析软件系统的研制    韩亮;张伟;郭景涛;吴玉林;

一种同步齿轮箱初始故障的在线监测与诊断装置的研究    刘静;周凤星;

基于频谱分析的矫直机齿轮箱故障诊断    潘紫微;戚晓利;

大型船舶航向/航迹智能容错控制研究    李高云

强噪声背景下滚动轴承故障诊断的关键技术研究    侯者非

数学形态学在机械故障诊断中的应用研究    沈路

离心泵振动故障诊断方法研究及系统实现    赵鹏

基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究    杨志荣

基于非线性转子动力学的水轮发电机组振动机理研究    黄志伟

模拟电路故障诊断AdaBoost集成学习方法研究    刘冲

基于核方法的旋转机械故障诊断技术与模式分析方法研究    蒋玲莉

基于FMAGDM理论的复杂设备故障诊断不确定推理方法研究    赖于树

基于信息融合的航空发动机故障诊断方法    吴文杰

Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究    高昌鑫

远程诊断中心的设计与实现    韩冬振

基于全矢谱的旋转机械轴振与瓦振关系研究    赵国卿

基于小波分析的汽轮机故障诊断研究    刘一

能源预测及能源优化技术在冶金企业中的应用研究    赵莹

基于支持向量机和免疫算法的故障检测与诊断    刘丽君

基于铁谱技术的机械磨损故障诊断研究    叶超

基于知识服务的船舶动力系统远程诊断中心的设计与开发    饶慧

基于振动信号的滚动轴承故障诊断研究    陈夔蛟

汽轮发电机组转子不对中振动特性分析与诊断    汪磊

对复杂性研究的一种辩证理解    桂起权;

非平稳随机信号的时频分析方法研究    李翀;程虹霞;

证据理论和神经网络结合的目标识别方法    王毛路,李少洪,毛士艺

海洋环境下服役飞机铝合金零件腐蚀失效分析    黄领才;谷岸;刘慧丛;姜同敏;

空调系统故障诊断的广义故障树知识表示方法    李德英,谢慧

基于Dempster-Shafer证据理论的数据融合技术研究    倪国强,梁好臣

广义分配问题的一种小生境遗传蚁群优化算法    陈云飞,刘玉树,范洁,赵基海

基于小波变换的图像纹理特征提取方法及其应用    李亚标;王宝光;李温温;

KV490柴油机工作过程故障的灰色诊断    赵俊生,阎文兵,朱美林

发动机磨损诊断的神经网络技术研究    任国全,郑海起,汪伟

非平稳信号的时频分析与处理方法研究    徐春光

基于局域波分析的柴油机故障诊断方法的研究及应用    王珍

基于状态转移的组合优化方法研究    王正元

电厂维护中基于虚拟现实及智能代理的人机融合技术    郭江

基于神经网络的模拟电路故障诊断方法研究    王承

基于改进支持向量机和特征信息融合的水电机组故障诊断    彭兵

信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究    刘思远

基于时间应力分析的BIT降虚警与故障预测技术研究    吕克洪

基于小波分析的水电机组在线监测与故障诊断的研究    张彦宁

水电机组振动故障的信息融合诊断与仿真研究    赵道利

基于MAS结构的远程分布式故障诊断系统中Agent间通信机理研究与仿真    宋晓军

离散正交矩的图像分析方法研究    梁俊

基于变精度粗糙集与神经网络的水电机组振动故障诊断研究    王荣荣

时频分析方法在齿轮箱故障特征提取中的研究应用    薛松

基于PLC湿喷机监控与故障诊断技术研究    王品

正交平衡对称的区间多小波研究    高协平,周四望

多小波正交扩充算法在图像处理中的应用    徐涛;吴登峰;刘杰;魏连鑫;宋广才;

基于多小波的变形监测信号处理    何永红;文鸿雁;袁海莲;

二重紧支撑对称—反对称多小波的构造    张新;邓彩霞;李智;

紧支撑对称正交多小波的构造    冯阿芳;张新;邓彩霞;

多小波对风机故障信号降噪处理的比较研究    王红君;贺鹏;赵辉;岳有军;刘明明;

基于不同预处理的多小波在变形监测数据处理中对比分析    何永红;靳鹏伟;文鸿雁;

利用多小波的电力系统信号重构分析    曾怡达,刘志刚

广义插值多小波    毛一波;

r重紧支撑对称-反对称正交多小波的构造    白婷婷;邓彩霞;张立刚;

基于多小波的混沌信号降噪研究    赵志宏;杨绍普;刘永强;

基于多小波收缩与子带增强的图像去噪方法    王欣;庞云阶;

区间小波多小波及其在图像处理中的应用研究    张彬

基于多小波的水电机组振动特征提取及故障诊断方法研究    卢娜

多小波在图像及视频编码中的研究    郑武

小波理论在数字图像处理及无网格方法中应用的研究    吴登峰

Sobolev空间中的多小波框架理论和采样定理    李尤发

多小波构造方法研究及在图像处理中的应用    周立俭

基于BOR多小波分解系数特点的图像数字水印技术研究    唐笑年

紧支撑多小波的构造    张新

正交对称多小波的构造及其应用    李红岩

多小波的理论研究    杨玉花

多小波图像去噪方法研究    章琳

具有特定性质的多小波的构造及其在图像处理中的应用    王委兴

a尺度r重区间多小波的构造及其平衡性的刻画    赵英敏

多小波与双向多小波的构造研究    吕军

基于多小波的图像信息分解系统的研究    李泰齐

具有优良性质多小波的构造    吕卫平

一种多小波的构造    蒋勇

Baidu
map