基于信息融合技术水电机组振动故障诊断

《基于信息融合技术水电机组振动故障诊断》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第36卷第2期人民黄河Vo1．36．No．22014年2月YELLOWRIVERFeb．．2014【水利水电工程】基于信息融合技术的水电机组振动故障诊断熊伟，徐绍坤，程加堂(红河学院工学院，云南蒙自661199)摘要：针对传统方法在水电机组振动故障诊断中存在准确度不高的问题，引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域，采用2个并行的粒子群神经网络进行局部诊断，以获得彼此独立的证据，再由证据理论对各证据进行融合。结果表明，该方法可有效地提高诊断可信度，减少诊断的不确定性。关键词：信息融合；水电

2、机组；故障诊断；证据理论；粒子群神经网络中图分类号：TV32文献标志码：Adoi：10．3969／j．issn．1000—1379．2014．02．040VibrationFaultDiagnosisofHydroelectricGeneratingSetsBasedonInformationFusionTechnologyXIONGWei，XUShao—kun，CHENGJia—tang(EngineeringCollegeofHongheUniversity，Mengzi66l199，China)Abstract：Forthe

3、reasonsoflowvibrationfaultdiagnosisaccuracyoftraditionaldiagnosismethodsonhydroelectricgeneratingsets，amethodofparticleswarmoptimization—neuralnetworkmodelcombinedwithevidencetheorywasapplied．ThetwoparallelparticleSWalTfioptimization-neuralnetworkswereusedtocarryonloc

4、alfaultdiagnosisandacquireindependentevidenceseachotherforthedifferentvibrationfaultsymptomdomainsofhydroelectricgeneratingsets，thentheevidencetheorywasemployedtofuseevidences．Experimentalresultsshowthatthemethodisgoodtoim—provethereliabilityofthediagnosisanddecreaset

5、hediagnosticuncertainty．Keywords：informationfusion；hydroelectricgeneratingsets(HGS)；faultdiagnosis；evidencetheory；particleswarnloptimization—neuralnetwork水电机组在运行中的振动是一种普遍存在的现象，而异常振动可能会破坏机组的结构、降低运行效率及机组出力，直1基于信息融合的水电机组振动故障诊断接影响水电站的安全运行和生产成本。据统计，水电机组中约水电机组振动的故障类型复杂多样，具有

6、渐变性和不规则有80％的故障都在振动信号中有所反映，因此开展水电机组振性，常见的故障有二三十种。对于这样的复杂系统，若采用一动状态检测及故障诊断是非常必要的。个神经网络模型必然会引起网络的结构过于庞大；如果仅从某水电机组振动与一般动力机械振动有较大差异，引起振动一方面进行故障诊断，会使诊断结果不完备。因此，在这里将的原因有电气、机械和水力等方面，很复杂。在发生异常振动故障特征参数空间分为振动频谱征兆子空间和振动幅值征兆时，同一种故障在不同的征兆域中对应着不同的故障特征，且子空间，选取粒子群神经网络作为这两个征兆子空间的诊断模在故障

7、演变过程的不同阶段，各个故障特征的明显程度也不相型，以实现水电机组的局部诊断，然后采用证据理论合成法则同，从而造成诊断结果不一致，甚至会出现相反的结论。这就进行证据融合，得出最终的诊断结果。振动故障诊断系统见需要充分利用不同征兆域的信息，从不同方面对机组进行故障图1。诊断。证据理论是目前信息融合中最常用的一种理论，是构造性解释下的概率理论，作为一种非精确的推理算法，具有融合开夔暮—振动频谱征兆子空间H塾壁苎竺旦竺!卜．1嚣莲—振动幅值征兆子空间卜．1王壁韭经圆—鳖—卜_．{l目苔放性和处理兼容性的优点。它可以有效融合多个传感器的不

8、篷取同信息，有较强的决策处理能力J。而粒子群神经网络算法既图1水电机组振动故障诊断系统具有神经网络的非线性映射能力，又具有粒子群算法的收敛速度快和全局收敛等特点，能够实现各种故障类型的有效划分。收稿日期：2013—03-06作者简介：熊伟(1965