汽轮机组是工业领域的重要设备,特别是在电力、石化工业中,汽轮机组是关键的设备。由于汽轮机组结构和系统的复杂性、运行环境的特殊性,汽轮机组的故障率较高,而且故障的危害性也很大。因此,汽轮机的故障预报及诊断问题历来是受到有关的研究机构、企业和管理部门的高度重视,是现代故障诊断技术的应用的一个重要方面。汽轮机转子振动波形提供了丰富的故障征兆信息,如何准确、全面地提取征兆对于故障类型的确定、故障发展趋势的预测以及汽轮发电机组的状态检修都具有十分重要的意义。 本课题首次将小波包分析与混沌理论相结合对汽轮机转子振动故障诊断进行系统的实验研究,取得了较好的效果。 论文首先综述了国内外机械设备故障诊断的研究成果,总结了汽轮机故障诊断技术的研究现状与方法,论述了汽轮机故障诊断中存在的问题,在此基础上提出本课题的研究内容和方法。 针对汽轮机转子振动常见故障,通过实验台模拟不同转速下碰摩、松动、不对中、不平衡几种故障状况,进行实验研究。采集到的振动位移数据经过FFT变换的数据处理,进行波形分析与频谱分析。结果表明：不同类型的故障波形图混乱程度不同,且对应的频率成分和能量大小也不同,波形分析和频谱分析可以作为故障诊断的基础参考。 小波包分析能够将任何信号(平稳或非平稳)分解成一个由小波伸缩而成的基函数族,信息量完整无缺,通过对信号在不同尺度上的分解与重构,能得到原始信号在不同频段上分布的详细信息,以及信号发生突变的时间点。基于小波包分析的这种特性,对原始振动信号进行分解及重构,可以有效提取机组振动信号中的突变信号和非平稳信号,滤除噪声和其它不需要的频率成分,保留所需要的信号,从而达到滤波的目的。 混沌理论通过研究系统吸引子的结构及其变化来研究系统的稳定性,系统正常工作时其吸引子的结构是稳定的,当系统偏离正常工作状态时其吸引子的结构就会变化。运用混沌动力学理论计算出系统的Lyapunov指数,Kolmogorov熵等混沌特征量,可以很好地反映系统吸引子动态结构的变化。因此,在汽轮机转子振动故障诊断中,对于因系统发生状态变化而引起的系统吸引子结构变化,我们可以利用这些混沌特征量对系统吸引子动态结构变化的敏感性来对信号进行二次处理从而提取状态信息。 实验结果表明：小波包分析的方法有着很好的滤波和提取非平稳信号的能力；小波包分解重构后的汽轮机转子的振动时间序列在不同故障状态下的混沌特征量明显不同。 因此该方法在进行汽轮机转子故障类型诊断时有较好的区分度。