基于分形及神经网络的汽轮机转子振动故障诊断预测实验研究.pdf

华南理工大学
硕士学位论文
基于分形及神经网络的汽轮机转子振动故障诊断预测实验研究
姓名:樊福梅
申请学位级别:硕士
专业:工程热物理
指导教师:梁平
20040501
摘要汽轮发电机组的故障率较高,而且故障危害性也大,%~%的火电厂停机故障主要由汽轮发电机、风机和水泵等旋转机械造成的。所以汽轮机的故障预测及诊断问题历来受到有关研究机构、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、全面地提取征兆信息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。本课题为国内首次应用分形几何理论对汽轮机转子振动故障诊断预测迸行的系统的实验研究,取得了良好效果。论文首先综述了国内外机械设备故障诊断领域的研究成果,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与研究方法。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、不平衡几种常见振动故障,进行实验研究。采集到的振动位移数据经过浠坏氖荽恚胁ㄐ畏治鲇肫灯追治觥J笛榉治鼋峁砻鳎翰煌通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相了一个测点两个方向上的关联维数的计算,结合对应故障的波形图和频谱图进行分析,结果表明:磁摩敌障时的关联维数值最大,对应的波形也最混乱,尤其以金属碰摩时的关联维数值最大。松动故障的关联维数次之,不平衡时计算所得的关联维数最小。故障状况下的关联维数均大于相应初始状况的关联维数值。故障状况相对于初始状况下的关联维的增量可以在相当程度上诊断出故障所属类型。利用盒维数可以定量描述分形边界的统计自相似特性。采用振动位移进行轴心轨迹的仿真合成,碰摩状况下的轴心轨迹最为混乱且呈现雪花状,不平衡时的轴心轨迹较为平滑。针对汽轮机转子故障时的振动位移的分形特性,采用改变网格间距计算轴心轨迹的填充程度所得到的盒维数计算结果表明:盒维数在进行汽轮机转子故障类型诊断时有更好的区分度。人工神经网络在实现故障诊断及预测方面应用较多,本文选取实验中磐ǖ的楣收鲜笛槭荩闹止收系某跏甲纯鲆约肮收献纯鱿碌钠德史治0烁龆危作为故障征兆的特征量进行网络训练,用后续样本作为故障诊断的输入样本,结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征兆加以提取。空间重构,计算其关联维数,从而再现动力学特性。针对故障振动位移首先进行摘要
果表明:算法的神经网络在进行汽轮机转子振动故障的诊断方面有很强的能力。结合某电厂哒穸娜掌骄穸逡环逯凳荩直鸩捎梅中纹与机组实际跳闸时间一致,因此分形方法与人工神经网络方法在预测汽轮机转予振动故障的发展趋势方面有较高的精度。关键词:汽轮机转子;故障诊断;预钡环中危簧窬贴分形插值方法和人工神经网络方法对该机组的振动进行了实例预测,计算结果华南理工大学硕士学位论文
—,..瑀,.瑃,,.,,,.琤琤甧甌.
耐华南理工大学硕士学位论文..甌甌,.琲..瑆瑃琭:籉籉;籒瑃—
作者签名:獒袼彻日期:砌纡芗月哕日华南理工大学学位论文原创性声明学位论文版权使用授权书日期:埘争年岁月哕曰日期:矿咋年莎月究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完本学位论文作者完全了解学校有关保留、使用学位论文的规定,本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研全意识到本声明的法律后果由本人承担。同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权华南理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口,在年解密后适用本授权书。本学位论文属于不保密团。朐谝陨舷嘤Ψ娇蚰诖颉”
⒄垢攀电力工业快速发展、高参数大容量火电机组陆续投入运行,使得结构和系统日趋复杂化。设备工作强度不断增大,生产效率、自动化程度越来越高,同时设备更加复杂,各部分的关联愈加密切,往往某处微小的故障就爆发链锁反应,导致整个设备乃至与其相关的设备环境的灾难性破坏,如年美国东北部和加拿大部分地区的“贝蠊婺M5缡鹿室约拔夜甏笸绯Ш昵亓电厂的址⒌缁榈难现囟现峄倩鹿省R虼耍执ひ瞪陨璞冈行的安全性和可靠性提出了越来越高的要求。作为电力、化工、石化等行业的关键设备,由于价格昂贵等原因,很多均没有配备备用设备,一旦出现故障,将给企业、国家造成巨大的经济损失和严重的社会影响。如何保证机组安全可靠