 |
北京百萬電子科技中心
主營產(chǎn)品： 地下管道測漏儀|回路電阻測試儀|食品安全快速檢測箱|氣體檢測分析儀器 |
14
聯(lián)系電話
|
北京百萬電子科技中心
主營產(chǎn)品： 地下管道測漏儀|回路電阻測試儀|食品安全快速檢測箱|氣體檢測分析儀器 |
聯(lián)系電話
2011-5-9 閱讀(1106)
隨著現(xiàn)代技術的迅速發(fā)展,水電機組的單機容量越來越大,結構更加復雜,隨之而來的機組穩(wěn)定性問題日益突出。
穩(wěn)定性能已越來越成為衡量大、中型水電機組的重要性能指標。隨著國民經(jīng)濟的迅速發(fā)展,一批大、中型甚至像三峽工程這樣的巨型機組的投入運行,其穩(wěn)定性能尤為重要。如果不加以控制,將造成嚴重事故。因此,確定機組的運行狀態(tài)和早期診斷故障顯得十分重要。
根據(jù)水電機組運行特點,表征水電機組穩(wěn)定運行的參數(shù)主要有振動、擺度和壓力脈動。其中振動是水力機組穩(wěn)定性的zui重要的指標,直接影響機組的安全運行、負荷合理分配及供電質(zhì)量。
一、水電機組振動故障診斷的主要內(nèi)容
水電機組的振動與一般動力機械的振動有所不同。除需考慮機組本身的轉(zhuǎn)動或固定部分的振動外,水電機組振動尚需考慮作用于發(fā)電機部分的電磁力及作用于水輪機過流部分的流體動壓力對系統(tǒng)及其部件振動的影響。在機組運轉(zhuǎn)的情況下,流體-機械-電磁三部分是相互影響的。因此,水電機組的振動是電氣、機械、流體耦合振動。根據(jù)水電站所積累的典型經(jīng)驗,可將引起機組振動的原因劃分為機械、水力、電氣和噪聲等方面因素。
專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)。它應用人工智能技術和計算機技術,根據(jù)某領域一個或多個專家提供的知識和經(jīng)驗,進行推理和判斷,模擬人類專家的決策過程,以便解決那些需要人類專家處理的復雜問題。從20世紀80年代開始,國內(nèi)許多學者開展了專家系統(tǒng)診斷法在水電機組振動診斷方面的應用研究,并取得了一定的研究成果。鄧正鵬等以水電機組為研究對象,對故障診斷專家系統(tǒng)知識庫的建立從理論上和方法上進行了研究,建立了基于 C 的產(chǎn)生式知識庫系。該方法已在白蓮河水電站水電機組故障診斷專家系統(tǒng)知識庫中獲得應用,取得了良好的效果。劉曉波等針對水輪發(fā)電機組故障原因與癥兆之間的復雜關系,建立了水輪發(fā)電機組故障診斷模糊專家系統(tǒng),實例結果表明該系統(tǒng)推理效率高,可信度好。
專家系統(tǒng)故障診斷方法匯集眾多的專家知識,能對隨機發(fā)生的故障進行診斷。但是知識獲取困難、知識庫更新能力差、多個領域?qū)＜抑R之間的矛盾難于處理、現(xiàn)有的邏輯理論的表達能力和處理能力有很大的局限性。
2.2.2神經(jīng)網(wǎng)絡診斷法
利用神經(jīng)網(wǎng)絡進行故障診斷的基本思想是:以故障特征信號作為神經(jīng)網(wǎng)絡輸入,診斷結果作為神經(jīng)網(wǎng)絡輸出。首先利用已有的故障征兆和診斷結果對神經(jīng)網(wǎng)絡進行離線訓練,使神經(jīng)網(wǎng)絡通過權值記憶故障征兆與診斷結果之間存在的對應關系;然后將得到的故障征兆加到神經(jīng)網(wǎng)絡的輸入端,就可以利用訓練后的神經(jīng)網(wǎng)絡進行故障診斷,并得到相應的診斷結果。目前,神經(jīng)網(wǎng)絡診斷法已越來越廣泛地應用到水電機組振動故障診斷系統(tǒng)中。梁業(yè)國等將神經(jīng)網(wǎng)絡方法引入到水輪發(fā)電機組的故障診斷中,通過對發(fā)電機設備故障診斷的具體應用,證明此方法是有效可行的。陳林剛等針對現(xiàn)有水電機組狀態(tài)監(jiān)測系統(tǒng)功能不完善、不夠智能化的缺點,開發(fā)了基于神經(jīng)網(wǎng)絡的水電機組智能故障診斷系統(tǒng)。實驗結果表明此系統(tǒng)的診斷結果準確可靠,具有良好的實用價值。
2.2.3模糊診斷法
模糊診斷方法是利用集合論中的隸屬度函數(shù)和模糊關系矩陣的概念來解決故障與征兆之間的不確定關系。在模糊故障診斷中,構造隸屬函數(shù)是實現(xiàn)模糊故障診斷的前提。模糊故障診斷方法主要有基于模糊模式識別的診斷方法、基于模糊推理的診斷方法、基于模糊模型的診斷方法等。模糊邏輯的引入主要是為了克服由于過程本身的不確定性、不性以及噪聲等所帶來的困難,因而在處理復雜系統(tǒng)的時滯、時變及非線性方面有其*性。模糊故障診斷方法的不足之處在于,復雜的診斷系統(tǒng)要建立正確的模糊規(guī)則和隸屬函數(shù)非常困難,而且需要花費很長的時間。
2.3小波分析
小波分析和小波變換是當前數(shù)學中一個迅速發(fā)展的新領域,能夠解決許多傅立葉變換難以解決的問題。它在時域和頻域都有良好的局域化能力,能聚焦到信號的任意細節(jié),對信號的突變有很強的識別能力,能有效地去噪和提取有用信號。小波分析故障診斷方法先對信號進行多級小波分解,得到各子帶數(shù)據(jù)。通過對小波變換系數(shù)模極大值的檢測實現(xiàn)對信號奇異性的檢測,從而確定故障發(fā)生的時間。小波分析非常適合非平穩(wěn)信號,對于平穩(wěn)信號而言,同樣有效。分析信號的奇異性位置和奇異性的大小都是比較有效的。因此小波分析為水輪機故障診斷提供了新的分析方法。彭文季等提出應用頻譜法和小波神經(jīng)網(wǎng)絡對水電機組的振動故障進行診斷,結果表明,頻譜分析與這種小波神經(jīng)網(wǎng)絡相結合的方法進行故障診斷簡單有效,并具有診斷速度快和泛化能力強等優(yōu)點。李郁俠等利用小波包分析能有效地提取機組振動信號中的有用成分,采用小波包分解方法提取特殊頻段上的能量特征值作為神經(jīng)網(wǎng)絡輸入向量,運用于工程實例,取得良好效果。
2.4其它診斷方法
鑒于故障樹診斷方法、人工智能診斷方法、小波分析等方法的優(yōu)缺點,目前,一些學者正致力于研究將其它的技術手段引入水電機組的振動故障診斷中, 形成一種基于這些方法的綜合智能故障診斷方法。楊曉萍等建立了基于信息融合技術的神經(jīng)網(wǎng)絡證據(jù)融合故障診斷系統(tǒng),診斷實例表明,經(jīng)過多故障特征信息融合,診斷結論的可信度明顯提高,可以有效提高確診率。王榮榮等將粗糙集理論和遺傳算法引入水輪發(fā)電機組故障診斷中,提高故障診斷效率。
劉忠等針對目前水電機組故障診斷中存在的建模復雜、樣本需求量大及診斷學習缺乏自主連續(xù)性等問題,提出了基于免疫原理的故障診斷方法。鄒敏等將支持向量機引入水電機組故障診斷研究,提出一種結合小波頻帶分解與zui小二乘支持向量機的水電機組故障診斷模型。
三、結語
水電機組振動故障診斷是一個多階段、多層次的復雜過程,不同階段用到的知識內(nèi)容、表達形式及解決問題的思維方式都不盡相同。完成一個完整的故障診斷過程常常需要多知識表達形式和多推理模式及合理的控制機構來解決診斷問題。單一的故障診斷技術各有優(yōu)缺點,難以滿足復雜系統(tǒng)診斷的全部要求。因此,將多種故障診斷技術合理地結合在一起,發(fā)揮各自的優(yōu)點,形成綜合故障診斷技術,將是水電機組振動故障診斷技術的發(fā)展方向。
（1）機械振動。水電機組zui常見、zui主要的故障是振動故障,其中機械振動zui突出,有必要對其進行分析。機械振動是由機組轉(zhuǎn)動部分質(zhì)量不平衡、轉(zhuǎn)輪等旋轉(zhuǎn)部件與固定件發(fā)生摩擦、密封不良等原因引起。對機械振動的監(jiān)測與診斷內(nèi)容主要有導軸承及轉(zhuǎn)子軸系、機組固定部件、推力軸承。
（2）電磁振動。電磁振動是由發(fā)電機轉(zhuǎn)子不圓、勵磁繞組匝間短路、定轉(zhuǎn)子磁場軸心不重合、定子和轉(zhuǎn)子間間隙不均勻及旋轉(zhuǎn)時產(chǎn)生不平衡磁拉力等原因引起的。對電磁振動的監(jiān)測與診斷內(nèi)容主要有發(fā)電機定轉(zhuǎn)子整體溫度和氣隙、定子極頻振動和轉(zhuǎn)子質(zhì)量不平衡等。
（3）水力振動。大型水電機組的水力不穩(wěn)定問題具有一定的普遍性,直接關系到機組運行的可靠性。引起水力振動的原因有:卡門渦列誘發(fā)的振動、尾水管內(nèi)漩渦引起的振動、固定導葉出水邊水流流態(tài)不良引起的振動、空蝕引起的振動、轉(zhuǎn)輪密封處的自激振動等。對水力振動的監(jiān)測和診斷內(nèi)容為蝸殼進口壓力、尾水管壓力脈動、上下迷宮環(huán)脈動和導葉前后脈動等。
（4）噪聲。水電機組的噪聲對環(huán)境的影響很大,其大小是機組穩(wěn)定性分析的重要參數(shù)。重點監(jiān)測內(nèi)容為水輪機及尾水管的噪聲和發(fā)電機的運行噪聲。
二、水力發(fā)電機組振動故障診斷的主要方法
故障診斷技術的產(chǎn)生和發(fā)展為提高設備系統(tǒng)的可靠性和可維修性開辟了一條新的途徑。狀態(tài)監(jiān)測與故障診斷是以可靠性理論、信息論、控制論和系統(tǒng)論為理論基礎,以現(xiàn)代測量儀器和計算機為工具,結合各種診斷對象的特殊規(guī)律逐步形成的一門新技術,至今已產(chǎn)生了大量的故障診斷方法。
目前,在水力發(fā)電機組振動故障診斷中得以研究和應用的主要有故障樹故障診斷方法、人工智能診斷方法、小波分析等方法。本文就以上主要診斷方法進行研究比較。
2.1故障樹診斷法故障樹分析法將系統(tǒng)故障形成原因按樹枝狀逐級細化。
把zui容易發(fā)生的故障狀態(tài)作為故障樹的頂事件,尋找引起頂事件的直接原因,并將其邏輯關系用特定的邏輯符號表示出來,自上而下逐級分解,直到不能分解的底事件,形成故障樹。找出系統(tǒng)的薄弱環(huán)節(jié),以便采取相應的改進措施。故障樹分析是故障診斷系統(tǒng)的基礎,也是現(xiàn)有故障診斷技術zui有效、zui基本的手段。做為一種傳統(tǒng)的診斷方法,故障樹診斷法在水電機組振動故障診斷中的應用取得了一些成果。洪治等將模糊技術和故障樹分析法結合起來,提出一種模糊故障樹診斷方法,并將其應用于水輪發(fā)電機組系統(tǒng)的溫度故障診斷,實驗研究表明這一方法可行、有效。張國云等在傳統(tǒng)支持向量機（C-SVM）的基礎上,通過集成模糊聚類技術和支持向量機算法,構造了一種適合于故障診斷的多級二叉樹分類器,并應用于水輪機調(diào)速系統(tǒng)故障診斷,取得了良好效果。
故障樹診斷方法直觀、形象,能夠?qū)崿F(xiàn)快速的診斷;知識庫很容易動態(tài)地修改,并能保持一致性;概率推理可在一定程度上用于選擇規(guī)則的搜尋通道提高診斷效率;診斷技術與領域無關,只要相應的故障樹給定,就可以實現(xiàn)診斷。缺點是不能診斷不可預知的故障;診斷結果嚴重依賴于故障樹信息的正確性和完整性。
