论文部分内容阅读
近年来,我国在不断的加大大容量水轮发电机组的使用投入,在这种情况下,对水电设备的实时监测和及时的维护就显得尤为重要。另外,随着我国电力系统的可靠性要求不断的提高,使得相应的故障诊断系统必须能够在发生故障之前就及时的发现设备异常,并能够给出一定的调整意见。因此,对水轮发电机组的振动信号进行研究、分析,在故障诊断系统中意义重大。
本文以水轮发电机组在线监测与故障诊断方法为研究对象,深入研究了二元树复小波变换(DT-CWT)和BP神经网络的理论基础,并引入到了水轮发电机组的故障诊断系统中。本文的主要研究工作和结论如下:
1)将二元树复小波变换的概念引入,将其良好的平移不变性、能量集中性和消除频率混叠的性质和离散小波变换进行了比较,凸显了二元树复小波变换在一维信号处理上的优势。
2)使用一种二元树复小波熵阈值算法,实现对水轮发电机组的振动信号去噪的预处理。
3)给出了两种信号特征提取方法:基于二元树复小波包能量熵的方法将二元树复小波包变换和信息熵理论相结合,提取特征熵作为智能识别系统的输入;基于能量的方法将信号进行分解,计算二元树复小波分解系数的能量值,将其作为智能识别系统的输入。本文所提出的这两种信号特征提取方法,都能够将信号的波形特征提取为数值特征,为下文的故障诊断识别莫定了基础。
4)将振动信号经过提取后的特征向量输入到BP神经网络中,进行水轮发电机组的识别和诊断。本文得出的结论表明,基于二元树复小波变换和BP神经网络的水轮发电机组故障诊断方法能够对机组的运行状态做出较好的诊断,值得进一步的研究。