基于ARO和MRFO算法的水力机组振动信号识别研究.pdfVIP

摘要

摘要

水力机组的振动问题是影响水电站安全、稳定和经济运行的重要因素。随着水电

事业的快速发展，超过80%的水力机组都存在振动问题。水力机组是由水力、电气、

机械等多因素耦合的复杂系统，其振动故障起因复杂，征兆多变。为了减少水力机组

振动带来的不良影响，对机组的振动信号进行监测和研究是十分必要的。

抽水蓄能机组和余压利用水力机组都是利用水流的动能和势能转换为旋转机械

能的流体机械装置，论文以这两类水力机组振动信号为研究对象。首先，利用采集设

备对两类振动信号进行现场采集，并根据实际情况进行类别划分。其次，采用变分模

VMD

态分解算法（）对抽水蓄能机组振动信号进行预处理，并提取特征向量；采用小

波阈值降噪法和集合经验模态分解法（EEMD）对余压利用水力机组的振动信号进行

处理，并提取特征向量。然后，提出了人工兔群优化算法（ARO）并对其进行改进，

MRFO

同时引入蝠鲼觅食优化算法（）。最后，结合信号处理与特征向量提取方法，

建立了针对两类水力机组振动信号的分类识别模型，为相关领域的研究提供了理论支

持。主要研究内容有：

1

（）水力机组振动信号采集与分类。选用抽水蓄能机组和余压利用水力机组作

为实验对象，利用振动数据采集仪和加速度传感器对机组振动信号进行现场采集。同

时，根据水力机组的振动状态和测点位置分别对两类振动信号进行分类，以确保采集

数据的准确性和后续振动信号分类识别结果的可靠性。

（2）水力机组振动信号处理。介绍了两种振动信号预处理方法在不同水力机组

中的应用。对于抽水蓄能机组，利用VMD分解实现振动信号的预处理，并提取时域

特征作为特征向量；对于余压利用水力机组，采用EEMD分解对振动信号进行预处理，

并选取分解后的IMF分量作为特征向量。这些特征向量可有效描述振动信号的特性，

为后续振动信号的分类识别提供参考依据。

3

（）人工兔群优化算法及改进。模拟兔子的觅食行为，提出了人工兔群优化算

法（ARO），ARO算法利用求远觅食和随机隐藏策略进行搜索和优化。为提高人工

兔群优化算法的寻优能力，针对ARO算法存在的不足，论文提出了一种基于自适应

IAROIARO

调整权重的人工兔群优化算法（）。算法可以更好地平衡全局搜索和局部

开发之间的关系，帮助算法更快地找到最优解。

（4）IARO-SVM分类识别模型。针对抽水蓄能机组振动信号的分类识别问题，

结合VMD分解和时域特征向量提取方法，对于小样本数据，提出了利用IARO算法

I

河北工程大学博士学位论文

优化支持向量机（SVM）惩罚参数和核函数参数的识别方法（IARO-SVM），以优化

支持向量机分类识别模型，从而提高振动信号识别的准确率。

（5）MRFO-BP神经网络识别模型。针对余压利用水力机组振动信号的分类识别

问题，因其拥有较大的数据样本，故选用BP神经网络对振动信号进行分类识别。采

MRFOBP

用蝠鲼觅食优化算法（）对神经网络的权值和阈值进行优化，结合小波阈

值降噪法和EEMD分解特征提取方法，提出了利用MRFO-BP神经网络对余压利用水

力机组振动信号进行分类识别的方法，实现了对振动信号的准确识别。

关键词：抽水蓄能机组；余压利用水力机组；ARO算法；MRFO算法；振动信号分

类识别

II

Abstract

Abstract

Vibrationsinhydraulicunitsarecriticalfacto