论文部分内容阅读
近年来电力工业的迅速发展,对汽轮发电机组在线状态检测与故障自动诊断技术提出了更高的要求.该论文就振动数据压缩、复杂故障分析,振动渐变趋势信息提取与利用、突发性振动故障检测与诊断等几个影响在线监测与自动诊断技术发展的关键技术进行了详细研究,取得了一定的成果.采用人工神经网络方法,有效提取了振动信号的时间渐变趋势信息,并将其与机组状态信息相融合,建立了有效判别机组三种故障(原始质量不平衡、转子热弯曲、动静碰摩)和无故障状态的两级前馈式神经网络自动诊断系统,使难以表达的渐变趋势信息专家知识参与到故障自动诊断中.将该系统应用于机组实际故障诊断中,结果表明该方法可有效提高诊断的质量,同时也为振动信号随其他自变参量(转速、功率等)渐变的趋势信息在故障自动诊断中的应用提供了一条新的途径.将均值—方差容错辨识的突变信号检测技术、半正交3次B样条小波包的信号分析技术以及模糊自适应共振理论神经网络模式识别技术相结合,构造了一个机组突发性振动故障在线检测与自动诊断系统,并对实际机组四种突发性振动故障(叶片飞脱、油膜振荡、汽流激振、严重碰摩)进行了成功的检测、分析和诊断.