汽轮发电机作为旋转动力设备,其振动大小是衡量其运行状态的重要标志,利用它外部的振动信号来诊断内部的故障是现代诊断技术常用的方法。本文主要研究信号的采集、处理,并利用人工神经网络对汽轮发电机的振动故障进行诊断,为合理利用诊断资源,探索了一种远程故障诊断方式。 本文首先研究汽轮发电机振动的故障机理,介绍常用的基于故障机理及故障特征的在线诊断方法,并比较各种方法的优缺点。其次是故障信息处理技术的研究,作者从时域和频域两个角度对非整周期采样对振动信号测量精度的影响进行了分析,并给出减少同步误差对信号测量精度以及频谱分析的影响的方法。再次本文对多层前向神经网络在汽轮发电机振动故障诊断中的应用进行了研究,并结合遗传算法训练神经网络进行故障诊断。结果表明,训练过的神经网络对学习过的故障有较高的识别精度,并且具有一定的抗噪声能力。文中最后探讨了基于Internet的汽轮发电机故障监测与诊断系统,系统由数据采集与预处理、在线故障识别与控制、远程诊断三部分组成。因为时间与实验条件限制,本文仅对样本管理与神经网络训练、数据采集上报(仿真)、在线识别与控制给出了实现,验证了方案的可行性。为了保证在不同操作系统环境下的可移植性,系统采用Java语言进行开发。 本文的创新之处在于从时域和频域两个角度对非整周期采样对振动信号测量精度的影响进行了研究;在汽轮发电机故障诊断中引入了人工神经网络与遗传算法相结合的技术,通过提取故障特征,构造学习样本,并使用遗传算法对人工神经网络进行训练,达到良好的学习效果和较高的识别精度,并具备一定的抗噪声能力;通过网络技术,采用客户机/服务器(C/S)模式,在线监测应用可以同时支持多个监测客户端上报采集到的故障信息,进行在线识别后,根据识别结果下发控制指令;采用Java语言开发,具备良好的跨平台特性,所开发的应用程序在Windows XP、UNIX、Linux等平台都可以稳定运行。