基于時頻分析與特征約簡的水電機組故障診斷方法研究.pdf

1、在新時代綠色能源背景下，大力發(fā)展水電能源對我國能源結構優(yōu)化調整和社會經濟可持續(xù)發(fā)展具有重要的戰(zhàn)略意義。作為水電站能源轉換的關鍵核心設備，目前，水電機組呈現(xiàn)出巨型化、綜合化、高速化、超臨界化和智能化的發(fā)展趨勢，其運行過程面臨的故障安全問題日益突出。為降低機組故障事故風險，確保機組安全穩(wěn)定運行，積極開展水電機組故障診斷研究已在工程界和學術界達成共識。實際應用中，除因機組自身復雜結構特性和多種激勵振源干擾外，現(xiàn)有故障診斷理論方法的不足和局限性

2、，在一定程度上阻礙了故障診斷從理論研究向工程應用的轉化。本文圍繞水電機組故障診斷中存在的非平穩(wěn)信號分析處理和特征提取、多維特征約簡以及復雜故障模式識別等問題，以經驗模態(tài)分解、流行學習、混合引力搜索、支持向量機和隨機森林等為理論基礎與研究手段，探索并克服現(xiàn)有方法存在的理論與應用缺陷，提出了若干有效的水電機組非平穩(wěn)振動信號分析與特征提取改進方法，針對高維特征冗余干擾等問題，探索并構建了基于空間映射和智能搜索的兩種特征約簡方法，最終通過引入支

3、持向量機和隨機森林故障識別理論，構建了融合時頻分析和特征約簡的水電機組混合故障診斷模型，為該領域的理論方法創(chuàng)新提供了新的研究思路，并具有一定的工程應用價值。
　　本研究主要內容包括：⑴針對經驗模態(tài)分解存在的端點飛翼現(xiàn)象，深入分析了端點效應發(fā)生的本質原因與解決方法，提出了一種極值點混合延拓的經驗模態(tài)分解端點效應抑制方法，該方法有效融合了支持向量回歸機和鏡像偶延拓的方法優(yōu)點。在信號分解初始階段，利用支持向量回歸機良好的近端點預測能力對

4、信號極值點序列進行兩端延拓；在信號低頻部分，通過鏡像偶延拓方法有效規(guī)避了支持向量回歸機極值點樣本訓練數(shù)據(jù)不充足，且抑制效果不理想的問題。最后，采用所提方法對水電機組多故障振動仿真信號進行分解，并與鏡像延拓和支持向量回歸機信號序列延拓方法進行對比分析，結果表明所提方法能夠有效抑制端點效應，并具有較低的計算時耗。⑵考慮到水電機組尾水管壓力脈動信號的非平穩(wěn)及噪聲沖擊特性，為提高經驗模態(tài)分解方法的模態(tài)混疊抑制能力，引入集成經驗模態(tài)分解時頻分析方

5、法。針對集成經驗模態(tài)分解存在的參數(shù)選擇難、高時耗、殘噪污染等問題，在互補集成經驗模態(tài)分解的基礎上，創(chuàng)造性地提出了一種自適應快速集成經驗模態(tài)分解算法。研究通過揭示白噪聲頻率上限與集成經驗模態(tài)分解計算效率的間接正比例增長規(guī)律，描述了集成經驗模態(tài)分解小噪聲幅值情況下模態(tài)混疊問題的消除機制，基于此，將白噪聲幅值和集成試驗次數(shù)分別固定設置為目標信號序列標準差的0.01倍和2，提出了一種相對均方根誤差指標的白噪聲頻率上限自適應確定方法，突破了集成經

6、驗模態(tài)分解關鍵參數(shù)難以設定的難題。通過仿真實例和國際標準故障診斷案例驗證了所提方法的有效性與先進性。最終，將所提方法應用到水電機組尾水管壓力脈動信號分析中，表明了方法的工程實用性。⑶為了抑制高維特征空間存在的特征冗余和敏感信息易淹沒等問題，通過分析局部和總體主成分分析算法的優(yōu)勢和局限性，構建了樣本點鄰域關系的皮爾遜相似系數(shù)的衡量指標和邊權重確定規(guī)則，進而提出了自適應近鄰關系的監(jiān)督型局部和總體主成分分析新型數(shù)據(jù)約簡方法。同時考慮到水電機組

7、故障小樣本特性，建立了融合流行學習特征約簡和支持向量機的多類故障診斷模型，通過電站實際故障案例驗證了模型的有效性，并與其他特征降維方法進行了對比分析。此外，針對更為復雜的故障診斷問題，提出了一種多維廣域特征的振動故障混合診斷策略，該方法有效融合了概率統(tǒng)計分析和基于機器學習的診斷方法，將整個診斷過程簡化為三大步驟：故障初步監(jiān)測、故障類型識別和故障程度確定。最后，將混合診斷策略應用于旋轉機械故障診斷中，結果表明所提方法不僅提高了故障診斷精度

8、，而且有效降低了診斷模型的復雜度，改善了計算效率，同時，為水電機組復雜故障診斷問題提供了一種有效的解決思路。⑷針對基于空間映射的特征約簡方法難以評價各特征屬性優(yōu)劣程度的問題，同時為消除模型參數(shù)對隨機森林診斷精度的影響。從另一特征約簡角度出發(fā)，提出了一種基于混合引力搜索算法和隨機森林的轉子系統(tǒng)故障診斷模型。該模型從特征子集和模型參數(shù)兩方面對隨機森林故障診斷模型進行了優(yōu)化改進，針對特征子集選擇，采用二進制引力搜索算法進行最優(yōu)子集尋優(yōu)，同時采