基于信息融合技术的水电机组振动故障诊断.pdfVIP

第 36卷第2期 人 民 黄 河 Vo1．36．No．2 2014年 2月 YELLOW RIVER Feb．．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：A doi：10．3969／j．issn．1000—1379．2014．02．040 VibrationFaultDiagnosisofHydroelectricGeneratingSetsBasedon Information Fusion Technology XIONGWei，XU Shao—kun，CHENG Jia—tang (EngineeringCollegeofHongheUniversity，Mengzi66l199，China) Abstract：Forthereasonsoflowvibrationfaultdiagnosisaccuracyoftraditionaldiagnosismethodsonhydroelectricgeneratingsets，amethodof particleswarm optimization—neuralnetworkmodelcombinedwithevidencetheorywasapplied．ThetwoparallelparticleSWalTfioptimization-neural networkswereusedtocarryonlocalfaultdiagnosisandacquireindependentevidenceseachotherforthedifferentvibrationfaultsymptom domains ofhydroelectricgeneratingsets，thentheevidencetheory wasemployedtofuseevidences．Experimentalresultsshow thatthemethodisgoodtoim— provethereliabilityofthediagnosisanddecreasethediagnosticuncertainty． 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。