基于小波分析和SVM的汽轮机非线性振动故障诊断研究

摘要

为确保汽轮发电机组安全稳定运行，对其进行运行状态监测与故障诊断成为必要，而对机组进行轴振监测成为重要手段之一。
　　 本文以现场机组振动信号为基础，在转子动力学、信号分析处理和智能诊断理论的支撑下，对现场振动信号进行分析研究。鉴于现场实际信号混杂有大量噪声，首先对振动信号进行去噪研究，确定了适合现场实际振动信号的去噪方法。在对信号进行小波包分析的基础上，提取其小波能量作为故障诊断特征。由于小波分解中小波基的选取是分析的难点，为弥补其缺陷对振动信号进行了自适应的经验模态分解研究，提取其内禀模态能量作为特征。在支持向量机平台上，对以小波能量和内禀模态能量为特征的样本进行诊断，并对故障诊断模型的参数优化选择方法进行了实验分析。为对样本故障程度进行定量分析特引入了信息熵，对样本故障严重程度判别准则进行了研究，为故障及时处理提供了依据。本文还以现场实际振动故障处理案例为依据，对常见故障进行了现场处理方案分析总结，为故障解决提供了参考。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究动态

1．2．1 故障机理研究现状

1．2．2 故障信号处理研究现状

1．2．3 智能故障诊断方法研究现状

1．3 本文主要研究内容

第2章 汽轮机组非线性振动故障机理分析

2．1 不对中机理研究

2．1．1 轴系不对中机理分析

2．1．2 不对中故障振动特性

2．2 油膜涡动故障机理分析

2．2．1 转子轴颈受力分析

2．2．2 油膜涡动机理分析

2．2．3 油膜振荡机理分析

2．2．4 油膜涡动与振荡故障特征

2．3 转子质量不平衡机理分析

2．3．1 转子质量不平衡故障机理

2．3．2 转子质量不平衡的振动特征

2．4 动静碰磨故障机理分析

2．4．1 动静碰磨故障的分类

2．4．2 转子与静止件径向摩擦的故障机理

2．4．3 转子与静止件轴向摩擦的故障机理

2．4．4 动静碰磨振动特征

2．5 本章小结

第3章 汽轮机组振动故障信号特征提取方法研究

3．1 小波分析基础理论

3．1．1 连续小波变换

3．1．2 离散小波变换

3．1．3 多分辨分析-Mallat算法

3．1．4 小波包分解算法

3．2 Hilbert-Huang Transform(HHT)基础理论

3．2．1 瞬时频率

3．2．2 内禀模态函数

3．2．3 经验模态分解(EMD)算法基本原理

3．2．4 集合经验模态分解(EEMD)算法基本原理

3．3 汽轮机振动信号去噪方法分析研究

3．3．1 基于小波分析的降噪方法

3．3．2 基于EMD和EEMD的降噪方法

3．3．3 振动信号降噪研究分析

3．4 小波包分解能量特征提取

3．4．1 小波包分解频带分布规律

3．4．2 振动信号小波能量特征提取

3．5 IMF能量特征提取方法研究

3．5．1 仿真信号HHT分析

3．5．2 振动信号HHT分析及特征提取

3．6 本章小结

第4章 基于支持向量机的故障诊断研究

4．1 支持向量机理论基础

4．2 支持向量机参数优化选择方法

4．3 基于小波能量特征的故障诊断研究

4．4 基于IMF能量特征的故障诊断研究

4．5 基于信息熵的故障诊断研究

4．5．1 小波能量谱熵

4．5．2 IMF能量谱熵

4．5．3 小波能量谱熵分析

4．5．4 IMF能量谱熵分析

4．6 本章小结

第5章 汽轮机常见振动故障现场分析处理

5．1 不对中故障现场实例及处理方案

5．1．1 机组故障情况简介

5．1．2 振动故障分析处理

5．2 油膜涡动故障现场实例及处理方案

5．2．1 机组故障情况简介

5．2．2 振动故障分析

5．2．3 振动故障处理

5．3 转子不平衡现场实例及处理方案

5．3．1 机组故障情况简介

5．3．2 振动故障分析处理

5．4 动静碰磨现场实例及处理方案

5．4．1 机组故障情况简介

5．4．2 振动故障分析

5．4．3 故障处理方案及处理过程

5．5 本章小结

第6章 结论与展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢