论文部分内容阅读
【摘要】此文章分析了水电机组故障的原所在，并清晰的做出了多分类器的优缺点以及适应功能；对水电机组故障的诊断做深度分析并给出解决不足的措施，进一步得出推理结论。
【关键词】多分类器组合；故障诊断；水电机组；专家系统技术
在水电站发电机组中，水电机组状态监测系统是通过对机组各种参量的检测和监视来完成零故障的发生的。水电站中工作人员通过水电机的振动来确定水电机组是否发生故障，另外也可以通过预防的维修方式来大大减小故障的发生，它是通过前面提过的机组监测和机身自带诊断信息，再进一步进行统计分析和数据的处理，这样就可以进行有针对性的维修了，通过此方法不仅仅可以把机组的维修周期延长，而且还降低了水电机组的维修费用和缩短维修时间的目的。
一、多分类器的组合
1.朴素贝叶斯分类器
此分类器的优点是理论基础坚实，计算率高，精准性高，所以应用于广泛的水电机组中。设每个数据样本用N个特征向量来描述N个属性值，即：Y={Y1，Y2，Y3，….，Yn}，假设有m个类，则用P1，P2，P3，….，Pn表示。
未知样本Y，将样本X分配给Pi，则有如下关系式成立，即：F（Pi|）>F（Pj|y） 1小于或等于j小于或等于m，j不等于i，所以最大F（P|Y）即找到。
则根据贝叶斯定理可得，F（Pi|y）=F（y|Pi）*F（Pi）/F（y）
因为有Y是我们先前给定的，所以就得到定值F（Y），即目标变为F（Y|Pi）*F（Pi）
假设每个特征是独立的，所以有F（Y|Pi）*F（Pi）=F（Pi）*[F（Y1）*F（Y2）…*F（Yj）*…]则有1小于等于j小于等于N，所以通过样本训练得到F（Yj|Pi）与F（Pi）
按照上述定理对于一个未知样本可以最后得出最终的类别结论。
2.加权朴素贝叶斯分类器
此分类器是在朴素贝叶斯分类器的基础上提出的，加权参数是在训练数据中得到的，该类别在一定程度上影响某个特征的后验概率。
3.支持向量机分类器
此分类器的是基于统计学理论建立的，它能很好地解决少样本问题，但也存在弊端，是在故障分类的性能上与约束常数C、核函数参数等有关联，大量都需要人为来确定，这样既耗费时间又把效率降低，所以需要进一步加强支持向量机分类器的建立和优化。
但是对于分类器的选取还需要进一步优化，因为这种方法可以大大提高水电机的组故障诊断的准确性。
二、故障诊断
水电机组的故障可以总结为分类问题，所以不同的分类方法有不同的分类性能，例如：有通过计算机的功能来诊断水电机组是否出现故障，还有通过物理方法即水的震动波形来确定的。但无论怎样诊断都离不开故障诊断原则（故障系统是一个储备平台，其中的软硬件诊断能力和实际运用效果都需依靠于诊断知识的富足，另外只有对所学专业领域熟知又熟，才可以对诊断结果有说服力，当水电机发生故障时要准确无误的明确故障所在，依据所学看是否可以诊断，如果可以则进行诊断说明；看是否需要诊断，如果需要，则进行针对性的修复；并且要根据实际情况进行智能诊断）。
水电机组故障诊断大体可分三个步骤：
（1）.特征数据的提取
（2）.组成水电机组中各分类器的分别诊断
（3）.把事先决策的方法和各分类器的诊断结果结合起来，做出最后诊断
1.水电机组故障的诊断特点
（1）水轮机诊断
其一般包括润滑系统、控制系统、传动系统、轴承系等等；
（2）发电机诊断
一般包括转子、主轴系、转子接地，匝间短路、定子匝间绝缘等；
根据水电机的诊断特点再进一步依据专家系统的知识诊断，人工智能研究的方向越发重要，通过该技术的诊断一般水电机最为常见故障有如下：1）机组轴承的故障2）机组振动的故障
（3）水轮机气蚀与泥沙磨损4）水轮发电机的故障
2.故障诊断分析
1）.制造方面的故障
（1）在电机启动一段时间后，电机中的电流增大，从而导致水泵不出水；
（2）电机运行一段时间，由于定子绕组强度不足而导致过载，最后使电机绝缘下降；
2）.电气线路故障
（1）由于电机中导线中电阻过大而导致发热是电流失去平衡；
（2）由于电缆质量问题导致接触不良以致外皮烧焦，从而使三相电流不平衡；
（3）由于接地点虚接，导致运行后出现很大噪声和较大振动，三相电流不平衡；
3）其他故障
（1）无液体提供，压力不足；
（2）电泵消耗功率大
（3）水泵中含有大量沙粒
三、水电机组
我国就现在而言生产的水电设备容量分为700MW、300MW、200MW、45MW的机组，为我国以及毗邻国家提供了方便；
1.水电机组的效率
一台水电机的好坏取决于它的效率特性如何，因此水电机效率是评价机组好坏主要标杆；
2.水电机效率计算原理
根据水电机组效率公式即?=N*10000/9.81QH? （N为发电机有功功率，Q为水轮机流量，H水轮机工作水头）
3.内部保护措施
对许多大型的水电机组我们可以采用发电机完全和不完全操纵保护、发电机列相和单元件横差保护；其他保护措施例如：失磁保护、定子接地保护、主轴电流保护等；
四.专家系统技术
18世纪中期，专家系统的成功问世把正处于低峰的人工智能研究带入了高峰，并成功的对水电机组故障做出判断和决策。此项技术是通过系统的知识领域的广泛程度，通过一定的形式描述出来，在结合专家的“大脑”中的知识，实现人工智能的研究方向发展，用逻辑表示法、语义网络表示法、框架表示法等来诊断出故障所在。
总结：如果想提高水电机组故障诊断结果的准确性，则用多分类器组的方法检测，这样不仅可以减少故障发生的频率，而且还可以准确的检测到故障的位置、原因，以此能做出最佳方案；在大量的工程应用实例中表明，水电机组不同故障所对的频率也不同，由于振动或摆动而引起的故障则通过上述加权法即可实现结果的发现。
另外水电机组在设计时要严格的按照参数真值来定，在制造上要保证装置的精密性与坚实性、在安装上要保证集体的完全装配度；总之必须按要求和规定对各个参数进行核实；如果是大修的情况那就必须严肃对待引起大修原因的因素，一般有零件的磨损，老化，疲劳断裂导致的部件松动等，这些因素看着简单，但是难度很大所以就必须结合人工干预功能，二者相结合，这样就可以弥补由于某些原因而造成的不足，通过此举就可以高效的对水电机组故障的预防做出举措，对诊断结果做出准确性的判断与决策。
参考文献
[1] 田源 张彼德 邹江平 吴华丰 陈笑师鹏 基于多分类器组合的水电机组故障 诊断[J] 《水力发电》 ISTIC PKU -2013年4期
[2]张彼德 田源 邹江平 刘秀峰 吴华丰 隆力 基于Choquet模糊积分的水电机组振动故障诊断 [J] 《振动与冲击》 ISTIC EI PKU -2013年12期
[3]陈卫钢，周建中，常黎. 基于专家系统的水电机组振动故障诊断研究[J].华中科技大学学报（自然科学版），2002年06期
【关键词】多分类器组合；故障诊断；水电机组；专家系统技术
在水电站发电机组中，水电机组状态监测系统是通过对机组各种参量的检测和监视来完成零故障的发生的。水电站中工作人员通过水电机的振动来确定水电机组是否发生故障，另外也可以通过预防的维修方式来大大减小故障的发生，它是通过前面提过的机组监测和机身自带诊断信息，再进一步进行统计分析和数据的处理，这样就可以进行有针对性的维修了，通过此方法不仅仅可以把机组的维修周期延长，而且还降低了水电机组的维修费用和缩短维修时间的目的。
一、多分类器的组合
1.朴素贝叶斯分类器
此分类器的优点是理论基础坚实，计算率高，精准性高，所以应用于广泛的水电机组中。设每个数据样本用N个特征向量来描述N个属性值，即：Y={Y1，Y2，Y3，….，Yn}，假设有m个类，则用P1，P2，P3，….，Pn表示。
未知样本Y，将样本X分配给Pi，则有如下关系式成立，即：F（Pi|）>F（Pj|y） 1小于或等于j小于或等于m，j不等于i，所以最大F（P|Y）即找到。
则根据贝叶斯定理可得，F（Pi|y）=F（y|Pi）*F（Pi）/F（y）
因为有Y是我们先前给定的，所以就得到定值F（Y），即目标变为F（Y|Pi）*F（Pi）
假设每个特征是独立的，所以有F（Y|Pi）*F（Pi）=F（Pi）*[F（Y1）*F（Y2）…*F（Yj）*…]则有1小于等于j小于等于N，所以通过样本训练得到F（Yj|Pi）与F（Pi）
按照上述定理对于一个未知样本可以最后得出最终的类别结论。
2.加权朴素贝叶斯分类器
此分类器是在朴素贝叶斯分类器的基础上提出的，加权参数是在训练数据中得到的，该类别在一定程度上影响某个特征的后验概率。
3.支持向量机分类器
此分类器的是基于统计学理论建立的，它能很好地解决少样本问题，但也存在弊端，是在故障分类的性能上与约束常数C、核函数参数等有关联，大量都需要人为来确定，这样既耗费时间又把效率降低，所以需要进一步加强支持向量机分类器的建立和优化。
但是对于分类器的选取还需要进一步优化，因为这种方法可以大大提高水电机的组故障诊断的准确性。
二、故障诊断
水电机组的故障可以总结为分类问题，所以不同的分类方法有不同的分类性能，例如：有通过计算机的功能来诊断水电机组是否出现故障，还有通过物理方法即水的震动波形来确定的。但无论怎样诊断都离不开故障诊断原则（故障系统是一个储备平台，其中的软硬件诊断能力和实际运用效果都需依靠于诊断知识的富足，另外只有对所学专业领域熟知又熟，才可以对诊断结果有说服力，当水电机发生故障时要准确无误的明确故障所在，依据所学看是否可以诊断，如果可以则进行诊断说明；看是否需要诊断，如果需要，则进行针对性的修复；并且要根据实际情况进行智能诊断）。
水电机组故障诊断大体可分三个步骤：
（1）.特征数据的提取
（2）.组成水电机组中各分类器的分别诊断
（3）.把事先决策的方法和各分类器的诊断结果结合起来，做出最后诊断
1.水电机组故障的诊断特点
（1）水轮机诊断
其一般包括润滑系统、控制系统、传动系统、轴承系等等；
（2）发电机诊断
一般包括转子、主轴系、转子接地，匝间短路、定子匝间绝缘等；
根据水电机的诊断特点再进一步依据专家系统的知识诊断，人工智能研究的方向越发重要，通过该技术的诊断一般水电机最为常见故障有如下：1）机组轴承的故障2）机组振动的故障
（3）水轮机气蚀与泥沙磨损4）水轮发电机的故障
2.故障诊断分析
1）.制造方面的故障
（1）在电机启动一段时间后，电机中的电流增大，从而导致水泵不出水；
（2）电机运行一段时间，由于定子绕组强度不足而导致过载，最后使电机绝缘下降；
2）.电气线路故障
（1）由于电机中导线中电阻过大而导致发热是电流失去平衡；
（2）由于电缆质量问题导致接触不良以致外皮烧焦，从而使三相电流不平衡；
（3）由于接地点虚接，导致运行后出现很大噪声和较大振动，三相电流不平衡；
3）其他故障
（1）无液体提供，压力不足；
（2）电泵消耗功率大
（3）水泵中含有大量沙粒
三、水电机组
我国就现在而言生产的水电设备容量分为700MW、300MW、200MW、45MW的机组，为我国以及毗邻国家提供了方便；
1.水电机组的效率
一台水电机的好坏取决于它的效率特性如何，因此水电机效率是评价机组好坏主要标杆；
2.水电机效率计算原理
根据水电机组效率公式即?=N*10000/9.81QH? （N为发电机有功功率，Q为水轮机流量，H水轮机工作水头）
3.内部保护措施
对许多大型的水电机组我们可以采用发电机完全和不完全操纵保护、发电机列相和单元件横差保护；其他保护措施例如：失磁保护、定子接地保护、主轴电流保护等；
四.专家系统技术
18世纪中期，专家系统的成功问世把正处于低峰的人工智能研究带入了高峰，并成功的对水电机组故障做出判断和决策。此项技术是通过系统的知识领域的广泛程度，通过一定的形式描述出来，在结合专家的“大脑”中的知识，实现人工智能的研究方向发展，用逻辑表示法、语义网络表示法、框架表示法等来诊断出故障所在。
总结：如果想提高水电机组故障诊断结果的准确性，则用多分类器组的方法检测，这样不仅可以减少故障发生的频率，而且还可以准确的检测到故障的位置、原因，以此能做出最佳方案；在大量的工程应用实例中表明，水电机组不同故障所对的频率也不同，由于振动或摆动而引起的故障则通过上述加权法即可实现结果的发现。
另外水电机组在设计时要严格的按照参数真值来定，在制造上要保证装置的精密性与坚实性、在安装上要保证集体的完全装配度；总之必须按要求和规定对各个参数进行核实；如果是大修的情况那就必须严肃对待引起大修原因的因素，一般有零件的磨损，老化，疲劳断裂导致的部件松动等，这些因素看着简单，但是难度很大所以就必须结合人工干预功能，二者相结合，这样就可以弥补由于某些原因而造成的不足，通过此举就可以高效的对水电机组故障的预防做出举措，对诊断结果做出准确性的判断与决策。
参考文献
[1] 田源 张彼德 邹江平 吴华丰 陈笑师鹏 基于多分类器组合的水电机组故障 诊断[J] 《水力发电》 ISTIC PKU -2013年4期
[2]张彼德 田源 邹江平 刘秀峰 吴华丰 隆力 基于Choquet模糊积分的水电机组振动故障诊断 [J] 《振动与冲击》 ISTIC EI PKU -2013年12期
[3]陈卫钢，周建中，常黎. 基于专家系统的水电机组振动故障诊断研究[J].华中科技大学学报（自然科学版），2002年06期