基于多小波的水電機(jī)組振動特征提取及故障診斷方法研究

【摘要】：隨著國民經(jīng)濟(jì)的快速發(fā)展,我國電力需求也面臨著急劇增長的局面,水力發(fā)電作為電力能源結(jié)構(gòu)的重要組成部分,其綜合開發(fā)和利用已經(jīng)成為我國可持續(xù)發(fā)展的重要戰(zhàn)略方向。水電機(jī)組作為水力發(fā)電的關(guān)鍵設(shè)備,目前正在向大型化、復(fù)雜化、集成化、精密化、自動化方向發(fā)展,與此同時,其安全性和穩(wěn)定性問題也日趨突出。水電機(jī)組振動包含機(jī)組運行狀態(tài)的重要信息,同時,當(dāng)其數(shù)值超過一定閾值時,也會成為影響機(jī)組安全運行的主要故障。因此,開展水電機(jī)組振動故障診斷技術(shù)研究,已成為保證水電機(jī)組和電網(wǎng)安全、穩(wěn)定運行,提高設(shè)備利用率,避免重大經(jīng)濟(jì)損失和人員傷亡的迫切要求。 特征提取和故障診斷方法研究是水電機(jī)組振動故障診斷過程中的兩個關(guān)鍵問題,許多學(xué)者在這些方面進(jìn)行了廣泛的探索和深入的研究,并取得了相應(yīng)的成果。然而,由于水電機(jī)組自身的復(fù)雜性和某些傳統(tǒng)方法本身的特性決定了其在不同程度上存在不足,使得水電機(jī)組故障診斷結(jié)果的準(zhǔn)確性還難以得到保證。因此,為確保水電機(jī)組振動故障快速、準(zhǔn)確的診斷,一方面需要對原有方法進(jìn)行改進(jìn),發(fā)揮其優(yōu)點,抑制其不足,滿足水電機(jī)組振動故障診斷要求；另一方面,需要利用國內(nèi)和國際上先進(jìn)的技術(shù),加強(qiáng)對新的特征提取和故障診斷方法的探索和研究,尋求更加合理的水電機(jī)組振動故障診斷解決方案。 小波分析方法克服了傅里葉變換的諸多缺陷,能夠同時展現(xiàn)出信號的時域特征和頻域特征。多小波分析是小波分析的擴(kuò)展,其不僅繼承了小波分析的優(yōu)點,而且能夠同時具有正交性、對稱性,緊支撐、高階消失矩等多種優(yōu)良特性,具有更加廣闊的應(yīng)用前景。本文結(jié)合水電機(jī)組的特點,以小波、多小波理論為基礎(chǔ),以改進(jìn)、優(yōu)化現(xiàn)有方法和提出、引入新方法為手段,以水電機(jī)組安全、穩(wěn)定運行為目標(biāo),分別從水電機(jī)組振動信號特征提取和故障診斷方法方面,展開了深入的研究,為水電機(jī)組振動故障的快速、準(zhǔn)確診斷提供了新的思路和解決方案。具體研究內(nèi)容包括： 系統(tǒng)闡述了小波、多小波理論,研究了多小波預(yù)處理方法,為水電機(jī)組振動信號降噪預(yù)處理和故障特征自適應(yīng)提取方法的提出奠定理論基礎(chǔ)；詳細(xì)分析了小波閾值降噪方法和多小波相鄰系數(shù)降噪方法,并在此基礎(chǔ)上提出了基于多小波相鄰系數(shù)降噪的水電機(jī)組振動信號降噪方法。通過與小波閾值降噪方法進(jìn)行實驗對比分析,并考慮不同基函數(shù)、閡值函數(shù)和多小波預(yù)處理方法對降噪效果產(chǎn)生的影響,驗證了所提出方法的有效性。 提出了基于綜合檢測指數(shù)的水電機(jī)組自適應(yīng)多小波振動故障特征提取方法。首先,以綜合檢測指數(shù)最大值為優(yōu)化目標(biāo),利用遺傳算法從自適應(yīng)多小波庫中選擇最優(yōu)多小波；然后,利用該多小波分別對轉(zhuǎn)子實驗臺和水電機(jī)組采集的振動信號進(jìn)行特征提取；接下來,用K均值聚類方法檢測該方法的有效性。實驗結(jié)果表明,與基于綜合檢測指數(shù)的GHM多小波特征提取方法和DB4小波特征提取方法相比,所提出的方法能夠有效的增強(qiáng)特征參數(shù)對故障的敏感性,獲得更高的故障識別率。 結(jié)合小波與神經(jīng)網(wǎng)絡(luò)理論,提出了基于蟻群初始化小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷方法。采用蟻群算法對小波網(wǎng)絡(luò)的參數(shù)進(jìn)行初步尋優(yōu),將優(yōu)化后的參數(shù)作為小波網(wǎng)絡(luò)的初始化參數(shù),利用梯度下降法完成小波網(wǎng)絡(luò)的后續(xù)訓(xùn)練。水電機(jī)組的實例診斷結(jié)果表明,該方法克服了傳統(tǒng)小波網(wǎng)絡(luò)對初始參數(shù)敏感的缺陷,具有較快的收斂速度和較強(qiáng)的泛化能力。 結(jié)合多小波與神經(jīng)網(wǎng)絡(luò)理論,提出了基于徑向基多小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷方法。采用多小波尺度函數(shù)作為徑向基多小波網(wǎng)絡(luò)的核函數(shù),建立網(wǎng)絡(luò)模型,并將該網(wǎng)絡(luò)模型引入到水電機(jī)組振動故障診斷中,加快了網(wǎng)絡(luò)收斂速度,增強(qiáng)了網(wǎng)絡(luò)的泛化能力,更適用于水電機(jī)組振動故障的在線學(xué)習(xí)和診斷。 論文最后對本文的主要研究內(nèi)容進(jìn)行了系統(tǒng)的總結(jié),并指出了水電機(jī)組振動故障診斷的研究重點和小波、多小波相關(guān)理論在水電機(jī)組故障診斷應(yīng)用方面未來需要開展的研究工作。 【關(guān)鍵詞】：水電機(jī)組振動 特征提取 故障診斷 多小波 自適應(yīng)多小波 小波網(wǎng)絡(luò) 多小波網(wǎng)絡(luò)
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TV734
【目錄】：

• 論文主要創(chuàng)新點5-8
• 摘要8-10
• Abstract10-12
• 1 緒論12-30
• 1.1 引言12-13
• 1.2 水電機(jī)組故障診斷概述13-17
• 1.2.1 水電機(jī)組故障診斷的作用13-14
• 1.2.2 國外故障診斷發(fā)展現(xiàn)狀14-16
• 1.2.3 國內(nèi)故障診斷發(fā)展現(xiàn)狀16-17
• 1.3 故障特征提取與故障診斷方法綜述17-25
• 1.3.1 故障特征提取方法綜述17-20
• 1.3.2 故障診斷方法綜述20-25
• 1.4 研究背景與意義25-27
• 1.5 論文的結(jié)構(gòu)與內(nèi)容27-30
• 2 基于多小波相鄰系數(shù)降噪的水電機(jī)組振動信號降噪方法研究30-56
• 2.1 引言30
• 2.2 小波理論30-40
• 2.2.1 小波變換及多分辨率分析基礎(chǔ)30-35
• 2.2.2 小波的Mallat算法35-37
• 2.2.3 幾種常用的小波37-40
• 2.3 多小波理論40-49
• 2.3.1 多小波的多分辨率分析基礎(chǔ)40-42
• 2.3.2 多小波的Mallat算法42-43
• 2.3.3 多小波預(yù)處理方法43-44
• 2.3.4 幾種常用的多小波44-49
• 2.4 基于多小波相鄰系數(shù)降噪的水電機(jī)組振動信號降噪方法49-55
• 2.4.1 小波閾值降噪方法50-51
• 2.4.2 多小波相鄰系數(shù)降噪方法51-52
• 2.4.3 水電機(jī)組振動仿真信號降噪實例52-55
• 2.5 本章小結(jié)55-56
• 3 基于綜合檢測指數(shù)的水電機(jī)組自適應(yīng)多小波振動故障特征提取方法研究56-86
• 3.1 引言56
• 3.2 自適應(yīng)多小波理論56-61
• 3.2.1 兩尺度相似變換56-58
• 3.2.2 自適應(yīng)多小波構(gòu)造58-61
• 3.3 綜合檢測指數(shù)61-62
• 3.4 基于綜合檢測指數(shù)的水電機(jī)組自適應(yīng)多小波振動故障特征提取方法62-85
• 3.4.1 遺傳算法63-64
• 3.4.2 最優(yōu)多小波選擇64-66
• 3.4.3 水電機(jī)組振動故障特征提取實例66-85
• 3.5 本章小結(jié)85-86
• 4 基于蟻群初始化小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷方法研究86-105
• 4.1 引言86-87
• 4.2 人工神經(jīng)網(wǎng)絡(luò)87-91
• 4.2.1 人工神經(jīng)元87-89
• 4.2.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)89-90
• 4.2.3 人工神經(jīng)網(wǎng)絡(luò)的特點90-91
• 4.2.4 人工神經(jīng)網(wǎng)絡(luò)存在的問題91
• 4.3 小波網(wǎng)絡(luò)91-95
• 4.3.1 小波網(wǎng)絡(luò)的理論基礎(chǔ)92
• 4.3.2 小波網(wǎng)絡(luò)的分類和結(jié)構(gòu)92-93
• 4.3.3 小波網(wǎng)絡(luò)訓(xùn)練算法93-95
• 4.4 蟻群初始化小波網(wǎng)絡(luò)95-97
• 4.4.1 蟻群算法原理95-96
• 4.4.2 蟻群初始化小波網(wǎng)絡(luò)原理和步驟96-97
• 4.5 基于蟻群初始化小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷97-104
• 4.5.1 頻譜分量幅值特征參數(shù)診斷實例97-100
• 4.5.2 自適應(yīng)多小波特征參數(shù)診斷實例100-104
• 4.6 本章小結(jié)104-105
• 5 基于徑向基多小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷方法研究105-122
• 5.1 引言105
• 5.2 徑向基神經(jīng)網(wǎng)絡(luò)105-109
• 5.2.1 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)106
• 5.2.2 徑向基神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)的選擇方法106-107
• 5.2.3 徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練107-109
• 5.3 徑向基多小波網(wǎng)絡(luò)109-114
• 5.3.1 多小波網(wǎng)絡(luò)的理論基礎(chǔ)109
• 5.3.2 多小波網(wǎng)絡(luò)的分類和結(jié)構(gòu)109-113
• 5.3.3 徑向基多小波網(wǎng)絡(luò)參數(shù)的確定113-114
• 5.3.4 徑向基多小波網(wǎng)絡(luò)訓(xùn)練114
• 5.4 基于徑向基多小波網(wǎng)絡(luò)的水電機(jī)組振動故障診斷114-121
• 5.4.1 頻譜分量幅值特征參數(shù)診斷實例114-117
• 5.4.2 自適應(yīng)多小波特征參數(shù)診斷實例117-121
• 5.5 本章小結(jié)121-122
• 6 總結(jié)與展望122-124
• 6.1 全文總結(jié)122-123
• 6.2 工作展望123-124
• 參考文獻(xiàn)124-136
• 附錄1 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文136-137
• 附錄2 攻讀博士學(xué)位期間參與的科研項目137-138
• 附錄3 中英文對照表138-139
• 致謝139-140

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

基于粒子群-小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷    左磊;侯立剛;高大明;彭曉宏;吳武臣;

服役飛機(jī)結(jié)構(gòu)件腐蝕失效故障樹分析及改進(jìn)    潘波;黃領(lǐng)才;姜同敏;侯衛(wèi)國;

基于經(jīng)驗?zāi)Ｊ椒纸獾臅r頻重排方法及其應(yīng)用    郝志華;關(guān)榆君;馬孝江;

用于水電廠設(shè)備的故障診斷的貝葉斯網(wǎng)絡(luò)模型    張曉丹;趙海;謝元芒;尹震宇;

我國水電廠“無人值班”(少人值守)工作評述    楊金棟,周志清,方輝欽

基于SVM的集成預(yù)測方法及其在水電機(jī)組故障診斷中的應(yīng)用    鄒敏;周建中;劉忠;張勇傳;占梁梁;

智能水電廠自動化系統(tǒng)總體構(gòu)想    王德寬;張毅;劉曉波;何飛躍;余江城;段振國;

幅值域無量綱指標(biāo)對液壓泵故障敏感性的實驗研究    姜萬錄;劉思遠(yuǎn);

基于貝葉斯網(wǎng)絡(luò)和油中溶解氣體分析的變壓器故障診斷方法    王永強(qiáng),律方成,李和明

基于支持向量機(jī)的移動機(jī)器人故障診斷    林吉良;蔣靜坪;

基于多源信息融合的水電機(jī)組故障診斷與軸心軌跡識別技術(shù)研究    楊志榮

蟻群算法與小波網(wǎng)絡(luò)在復(fù)雜性科學(xué)中的應(yīng)用研究    馮登超

模糊故障樹分析法在真空系統(tǒng)維修中的應(yīng)用    張文朋;

風(fēng)機(jī)故障機(jī)理及診斷方法    張遠(yuǎn)軍;

液力變矩器葉片流固耦合強(qiáng)度分析    魏巍;閆清東;朱顏;

大功率液力變矩器葉輪強(qiáng)度有限元分析    閆清東;劉樹成;姚壽文;李晉;

角膜移植顯微手術(shù)機(jī)器人系統(tǒng)的安全分析    張慧慧,謝禮忠,李大寨

基于故障樹的飛機(jī)結(jié)構(gòu)腐蝕損傷模糊綜合評判    潘波;姜同敏;

基于證據(jù)推理的電站鍋爐空預(yù)器熱點檢測    梁炎明;劉丁;李琦;劉涵;宋念龍;

水輪發(fā)電機(jī)低頻振動的測量研究    肖明偉;楊永明;鐘玉林;付志紅;張淮清;

智能故障診斷的應(yīng)用研究    楊丹;

蠶繭質(zhì)量無損檢測方法的研究    陳原,劉民,羅先利

電磁外力激勵下裂紋轉(zhuǎn)子非線性振動響應(yīng)實驗研究    劉成俊;劉軍;井上剛志;石田幸男;

改進(jìn)Elman網(wǎng)絡(luò)在水輪發(fā)電機(jī)組故障診斷中的應(yīng)用    姬巧玲;梅順齊;漆為民;蔡維由;

基于信息熵距的旋轉(zhuǎn)機(jī)械振動故障診斷方法的研究    陳非;黃樹紅;張燕平;申弢;高偉;

水電機(jī)組狀態(tài)監(jiān)測及數(shù)據(jù)分析軟件系統(tǒng)的研制    張偉;韓亮;吳玉林;

基于CPLD控制的水電機(jī)組在線監(jiān)測系統(tǒng)數(shù)據(jù)采集卡設(shè)計    張偉;韓亮;陳斌;張俊華;

水電機(jī)組故障診斷技術(shù)的發(fā)展現(xiàn)狀與展望    潘羅平;周葉;唐澍;桂中華;余江城;劉娟;

水電機(jī)組故障智能診斷研究綜述    葛新峰;徐廣文;周葉;唐澍;

水電機(jī)組狀態(tài)監(jiān)測及數(shù)據(jù)分析軟件系統(tǒng)的研制    韓亮;張偉;郭景濤;吳玉林;

一種同步齒輪箱初始故障的在線監(jiān)測與診斷裝置的研究    劉靜;周鳳星;

基于頻譜分析的矯直機(jī)齒輪箱故障診斷    潘紫微;戚曉利;

大型船舶航向/航跡智能容錯控制研究    李高云

強(qiáng)噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究    侯者非

數(shù)學(xué)形態(tài)學(xué)在機(jī)械故障診斷中的應(yīng)用研究    沈路

離心泵振動故障診斷方法研究及系統(tǒng)實現(xiàn)    趙鵬

基于多源信息融合的水電機(jī)組故障診斷與軸心軌跡識別技術(shù)研究    楊志榮

基于非線性轉(zhuǎn)子動力學(xué)的水輪發(fā)電機(jī)組振動機(jī)理研究    黃志偉

模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究    劉沖

基于核方法的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)與模式分析方法研究    蔣玲莉

基于FMAGDM理論的復(fù)雜設(shè)備故障診斷不確定推理方法研究    賴于樹

基于信息融合的航空發(fā)動機(jī)故障診斷方法    吳文杰

Hilbert-Huang變換改進(jìn)算法及其在齒輪箱故障診斷中的應(yīng)用研究    高昌鑫

遠(yuǎn)程診斷中心的設(shè)計與實現(xiàn)    韓冬振

基于全矢譜的旋轉(zhuǎn)機(jī)械軸振與瓦振關(guān)系研究    趙國卿

基于小波分析的汽輪機(jī)故障診斷研究    劉一

能源預(yù)測及能源優(yōu)化技術(shù)在冶金企業(yè)中的應(yīng)用研究    趙瑩

基于支持向量機(jī)和免疫算法的故障檢測與診斷    劉麗君

基于鐵譜技術(shù)的機(jī)械磨損故障診斷研究    葉超

基于知識服務(wù)的船舶動力系統(tǒng)遠(yuǎn)程診斷中心的設(shè)計與開發(fā)    饒慧

基于振動信號的滾動軸承故障診斷研究    陳夔蛟

汽輪發(fā)電機(jī)組轉(zhuǎn)子不對中振動特性分析與診斷    汪磊

對復(fù)雜性研究的一種辯證理解    桂起權(quán);

非平穩(wěn)隨機(jī)信號的時頻分析方法研究    李翀;程虹霞;

證據(jù)理論和神經(jīng)網(wǎng)絡(luò)結(jié)合的目標(biāo)識別方法    王毛路,李少洪,毛士藝

海洋環(huán)境下服役飛機(jī)鋁合金零件腐蝕失效分析    黃領(lǐng)才;谷岸;劉慧叢;姜同敏;

空調(diào)系統(tǒng)故障診斷的廣義故障樹知識表示方法    李德英,謝慧

基于Dempster-Shafer證據(jù)理論的數(shù)據(jù)融合技術(shù)研究    倪國強(qiáng),梁好臣

廣義分配問題的一種小生境遺傳蟻群優(yōu)化算法    陳云飛,劉玉樹,范潔,趙基海

基于小波變換的圖像紋理特征提取方法及其應(yīng)用    李亞標(biāo);王寶光;李溫溫;

KV490柴油機(jī)工作過程故障的灰色診斷    趙俊生,閻文兵,朱美林

發(fā)動機(jī)磨損診斷的神經(jīng)網(wǎng)絡(luò)技術(shù)研究    任國全,鄭海起,汪偉

非平穩(wěn)信號的時頻分析與處理方法研究    徐春光

基于局域波分析的柴油機(jī)故障診斷方法的研究及應(yīng)用    王珍

基于狀態(tài)轉(zhuǎn)移的組合優(yōu)化方法研究    王正元

電廠維護(hù)中基于虛擬現(xiàn)實及智能代理的人機(jī)融合技術(shù)    郭江

基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法研究    王承

基于改進(jìn)支持向量機(jī)和特征信息融合的水電機(jī)組故障診斷    彭兵

信息融合和貝葉斯網(wǎng)絡(luò)集成的故障診斷理論方法及實驗研究    劉思遠(yuǎn)

基于時間應(yīng)力分析的BIT降虛警與故障預(yù)測技術(shù)研究    呂克洪

基于小波分析的水電機(jī)組在線監(jiān)測與故障診斷的研究    張彥寧

水電機(jī)組振動故障的信息融合診斷與仿真研究    趙道利

基于MAS結(jié)構(gòu)的遠(yuǎn)程分布式故障診斷系統(tǒng)中Agent間通信機(jī)理研究與仿真    宋曉軍

離散正交矩的圖像分析方法研究    梁俊

基于變精度粗糙集與神經(jīng)網(wǎng)絡(luò)的水電機(jī)組振動故障診斷研究    王榮榮

時頻分析方法在齒輪箱故障特征提取中的研究應(yīng)用    薛松

基于PLC濕噴機(jī)監(jiān)控與故障診斷技術(shù)研究    王品

正交平衡對稱的區(qū)間多小波研究    高協(xié)平,周四望

多小波正交擴(kuò)充算法在圖像處理中的應(yīng)用    徐濤;吳登峰;劉杰;魏連鑫;宋廣才;

基于多小波的變形監(jiān)測信號處理    何永紅;文鴻雁;袁海蓮;

二重緊支撐對稱—反對稱多小波的構(gòu)造    張新;鄧彩霞;李智;

緊支撐對稱正交多小波的構(gòu)造    馮阿芳;張新;鄧彩霞;

多小波對風(fēng)機(jī)故障信號降噪處理的比較研究    王紅君;賀鵬;趙輝;岳有軍;劉明明;

基于不同預(yù)處理的多小波在變形監(jiān)測數(shù)據(jù)處理中對比分析    何永紅;靳鵬偉;文鴻雁;

利用多小波的電力系統(tǒng)信號重構(gòu)分析    曾怡達(dá),劉志剛

廣義插值多小波    毛一波;

r重緊支撐對稱-反對稱正交多小波的構(gòu)造    白婷婷;鄧彩霞;張立剛;

基于多小波的混沌信號降噪研究    趙志宏;楊紹普;劉永強(qiáng);

基于多小波收縮與子帶增強(qiáng)的圖像去噪方法    王欣;龐云階;

區(qū)間小波多小波及其在圖像處理中的應(yīng)用研究    張彬

基于多小波的水電機(jī)組振動特征提取及故障診斷方法研究    盧娜

多小波在圖像及視頻編碼中的研究    鄭武

小波理論在數(shù)字圖像處理及無網(wǎng)格方法中應(yīng)用的研究    吳登峰

Sobolev空間中的多小波框架理論和采樣定理    李尤發(fā)

多小波構(gòu)造方法研究及在圖像處理中的應(yīng)用    周立儉

基于BOR多小波分解系數(shù)特點的圖像數(shù)字水印技術(shù)研究    唐笑年

緊支撐多小波的構(gòu)造    張新

正交對稱多小波的構(gòu)造及其應(yīng)用    李紅巖

多小波的理論研究    楊玉花

多小波圖像去噪方法研究    章琳

具有特定性質(zhì)的多小波的構(gòu)造及其在圖像處理中的應(yīng)用    王委興

a尺度r重區(qū)間多小波的構(gòu)造及其平衡性的刻畫    趙英敏

多小波與雙向多小波的構(gòu)造研究    呂軍

基于多小波的圖像信息分解系統(tǒng)的研究    李泰齊

具有優(yōu)良性質(zhì)多小波的構(gòu)造    呂衛(wèi)平

一種多小波的構(gòu)造    蔣勇