基于小波包分析和信息融合技术的汽轮机转子故障诊断
小波包分析在汽轮机转子振动故障诊断中的应用
关键 词 ：小 波 包 分 析 ；汽轮 机 转 子 ；故 障诊 断 ；特 征 提 取
中 图 分 类 号 ：Ｔ ２ ３ ６ Ｋ ６． １ 文 献 标 志 码 ：Ａ
Ｗ ａ ｅｅ ｃ ｅ ａ ｙ ｉ ｏ ｂ ａ ｉｎ Ｆａ ｌ ａ ｎ ｓｓｏ ｒ ｉ ｔ ｒ ｖ ｌｔＰａ ｋ ｔＡｎ ｌｓｓｆ ｒＶｉ ｒ ｔｏ ｕ ｔＤｉ ｇ ｏ ｉ ｆＴｕ ｂ ｎｅＲｏ ｏ
Ｆ ＡＮ －ｉ 。 ＬＩ Ｌｉ ｌ ＡＮＧ ｉ ｇ Ｐｎ （ Ｇｕ ｎ ｚ ｏ ｅ ｅ ｇ Ｐｏ ｒ Ｔｅ ｈ ｏ ｏ ｙ Ｄｅ ｅ ｏ ｍｅ ｔＣｏ ，Ｌｔ ． Ｇｕ ｎ ｚ ｕ ５１｝０ ， Ｃｈ ｎ ； ２ Ｐ ｗｅ ｇ ｎ ｅ ｉ ｇ １ ａ ｇ ｈ ｕ Ｙｕ ｎ ｎ ｗｅ ｃ ｎ ｌ ｇ ｖ ｌ ｐ ｎ ｄ 。 ａ ｇ ｈｏ ６ ０ （ ｉａ ． ｏ ｒ Ｅｎ ｉ ｅ ｒｎ Ｄｅ ｔ ｆＥｌｃ ｒｃ Ｐ ｗｅ １ ．Ｓ ｕ ｈ Ｃｈ ｎ ｉ ．ｏ ｅ ｈ ｏ ｏ ｙ ｐ 、ｏ ｅ ｔｉ ｏ ｒ Ｃｏ ． ｏ ｔ ｉ ａ Ｕｎ ｖ ｆ Ｔ ｃ ｎ ｌ ｇ ，Ｇｕ ｎ ｚ ｏ １ ６ ０，Ｃｈ ｎ ） ａ ｇ ｈ ｕ５０ ４ ｉａ
量 分 解 的 故 障特 征 提 取 方 法 ， 可 以获 得 汽轮 机 转 子 振 动 的 故 障 状 况 ；根 据 不 同故 障 发 生 时 的 频 谱 特 征 ，识 别 出
不 同的故 障，从 而进行 汽轮机转 子振 动故 障诊 断。该方法比基于 Ｆ ｕｉｒ ｏ ｒ 变换的故障特征提取 方法更有效 ，适合 ｅ
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ａ ａ ｌ ｄ ａ ｎ ｓ ｆ ｕ ｔ ｉ ｇ ｏ ｉ ｍｅ ｈ ｄ ａ ｅ ｎ ｗａ ｅ ｅ ａ ｋ ｔ ａ ａ ｙ ｉ ｏ ｕ ｂ ｎ ｏｔ ｒ ｉ ｒ ｔ ｎ ａ ｅ ｎ ｐ ｔ ｏ ｗａ ｄ ｓ ｔ ｏ ｂ ｓ ｄ ｏ ｖ ｌ ｔ ｐ ｃ ｅ ｎ ｌ ｓ ｆ ｒ ｔ ｒ ｉ ｅ ｒ ｏ ｖ ｂ ａ ｉ ｈ ｓ ｂ ｅ ｕ ｆ ｒ ｒ ｓ ｏ
基于小波包分析的电机转子故障诊断方法研究
２１ ０ ２年 ２月
机 械 工 程 与 自 动 化
Ｍ ＥＣＨＡＮＩ ＣＡＬ ＥＮＧＩ ＮＥＥＲＩ ＮＧ ＆ ＡＵＴ（Ｍ ＡＴＩ） ） （Ｎ
ＮＯ ．１
Ｆｅ ｂ．
文 章 编 号 ：６ ２６ １ （０ ２ ０— １００ １７ — ４ ３ ２ １ ） １０ ２— ２
１ 电 机 转 子 断 条 故 障 机 理 分 析 当异 步 电机 转子 发生 断条故 障 时 ，三相对 称 电流
障特 征量 相对 于基 频分 量 的幅值 很小 ，这 就使 得其 故 障特 征分 量 和基频 分量 非 常接近 ，一旦 发 生故 障 ，其 信息 也容 易被 淹没 ，提 高 了故障 辨识 的难 度 。通 常信 号处 理 中的傅 里 叶变换 法可 能会 泄露信 息 ，使 得其 故 障特 征被 基频 和 噪声信 息所 淹没 ，从 而识 别 不 出特 征 分量 。近年来 ，人 们将 小波 时频 分析 法用 于 电机故 障 诊 断 中 ，得 到了很 好 的应用 。
基 于 小 波包 分析 的 电机 转 子 故 障诊 断方 法研 究鬻
孟
淄 博 ２ ５ ０ ５ ０ ０）
刚ｈ ，李 茹 海 。
，
程 珩 ， 林 波
（ ． 太 原 理 工 ２ ；２ 中 国铝 业 山 东分 公 司 淄博 万成 工 贸 有 限公 司 ． 山 东 ３０ ４ ．
＊ Ｉ 鸡省 自然 科 学 基 金 资 助项 目 （ ０ ｌ ｌ Ｏ ６ ３ 土 ｌ ２１ｏｌ２— ）
２ １ 小波 包的分 解 算法 ． 小 波包 分解 是 把 所 有 上 一 层 的 子 带 都 进 行 了划
摘 要 ：针 对 异 步 电 动 机 转 子 断 条 故 障 突 发 率 高 的原 因 ．开 展 了基 于 小 波包 分 析 的 故 障 诊 断 方 法 研 究 。 通 过 小 波包 灵 活 的 时 频 分 析 方 法捕 捉 到 的特 征 信 号 来 确 定 故 障 信 号 的 突 变 点和 频谱 特 性 ． 找 出 其 故 障特 征 ，该 方 法 为 电机 转 子 断 条 故 障 提供 了一 种有 效 的 诊 断 方 法 。 关 键 词 ： 小 波包 分 析 ； 故 障诊 断 ；异 步 电机
基于小波分析的汽轮机故障检测方法
基于小波分析的汽轮机故障检测方法针对现有汽轮机故障检测存在的问题，提出了一种基于小波分析的汽轮机故障检测方法，方法利用小波分析技术提取汽轮机故障特征，利用小波分解算法进行显示，并在试验现场进行了验证，提出的方法可以实时对异常数据进行故障诊断，能满足汽轮机的实时运行要求。
标签：汽轮机；小波分析；小波分解1 概述随着现代化工业尤其是电力系统的高速发展，汽轮机组设备也在高速发展，汽轮机组的特点是大型、快速、连续和自动化。
汽轮机是工业生产尤其是电力系统中的一个重要设备，但是由于其结构十分复杂并且运行环境比较特殊，所以汽轮机在高速运行中的故障率非常高，例如：汽轮机机的核心部件转子可能经常发生故障。
汽轮机的转子一旦在高速运行中发生故障，会使其大大偏离转子的理想运动状态。
汽轮机一旦发生故障时，不仅会造成工业生产事故的安全隐患，还会影响影响工业生产效率。
而汽轮机作为电力系统中的关键设备，万一出现停机等大型故障，将会导致整个企业的故障，包括产品停产，设备瘫痪等，可见故障的危害性是十分巨大的。
由此造成的经济损失是十分巨大的。
因此，找到一种方法能够及时发现并消除故障，成为了当前电力系统迫切需要解决的课题。
2 小波分析理论小波分析通常具有多分辨率分析的特征，并且小波在时域和频域上都有代表信号的局部信息的能力，它的特征提取方法多种多样，通常小波提取用到的时间窗和频率窗是可以根据信号形态进行动态实时的调整。
Mallat算法是小波变换的最常用的快速算法，它是基于多分辨分析的概念的。
具体原理为，设{Vj}是一个给定的多分辨率分析谱，？赘（x）和W（x）分别是尺度函数和小波函数。
再设，则有如下分解：然后，公式（1）中的尺度系数和小波系统有如下关系：公式（2）中，H为尺度函数对应的低通滤波器，G为小波函数对应的低通滤波器。
我们选取的滤波器G为频带在[-2？仔，-？仔]∪[？仔，2？仔]之间的低通滤波器。
所以，Dj低通滤波器的频带信号范围为[-2-j？仔，-2-j-1？仔]∪[2-j-1？仔，2-j？仔]。
基于小波包变换与ceemdan的滚动轴承故障诊断方法
基于小波包变换与ceemdan的滚动轴承故障诊断方法本文提出了一种基于小波包变换和CEEMDAN的滚动轴承故障诊断方法。
该方法通过小波包变换将信号分解为不同频率的子带，然后使用CEEMDAN对每个子带进行分解，以提取滚动轴承的故障特征。
实验结果表明，该方法可以有效地诊断滚动轴承的故障，具有较高的准确性和鲁棒性。
关键词：小波包变换；CEEMDAN；滚动轴承；故障诊断引言滚动轴承是机械设备中常见的关键部件之一，其运行状态对设备的安全性和可靠性具有重要影响。
因此，滚动轴承故障诊断一直是机械振动领域中的研究热点之一。
传统的滚动轴承故障诊断方法主要基于时间域、频域和时频域分析，但这些方法存在着一定的局限性，如低准确性、低鲁棒性等。
近年来，小波包变换和CEEMDAN等信号处理方法被广泛应用于滚动轴承故障诊断中。
小波包变换可以将信号分解为不同频率的子带，从而提取信号的频率信息。
CEEMDAN是一种新型的自适应信号分解方法，可以将信号分解为不同的本征模态函数（EMD），从而提取信号的局部特征。
因此，将小波包变换和CEEMDAN结合起来，可以更加准确地提取滚动轴承的故障特征。
本文提出了一种基于小波包变换和CEEMDAN的滚动轴承故障诊断方法。
该方法首先使用小波包变换将信号分解为不同频率的子带，然后使用CEEMDAN对每个子带进行分解，以提取滚动轴承的故障特征。
最后，使用支持向量机（SVM）分类器对提取的特征进行分类，以实现滚动轴承的故障诊断。
实验结果表明，该方法可以有效地诊断滚动轴承的故障，具有较高的准确性和鲁棒性。
方法1.小波包变换小波包变换是一种基于小波变换的信号分析方法，可以将信号分解为不同频率的子带。
小波包变换的基本思想是将小波变换的分解过程进行递归，从而得到更加细致的频率分解。
具体来说，小波包变换可以表示为：$$WPT(x,n,k)=sum_{i=0}^{N-1}x(i)psi_{n,k}(i)$$其中，$x$为原始信号，$N$为信号长度，$psi_{n,k}$为小波包基函数，$n$和$k$分别表示小波包基函数的尺度和位置。
基于小波包分析的电动机转子断条故障检测
基于小波包分析的电动机转子断条故障检测电动机在工业生产中起着至关重要的作用，而电动机的故障往往会导致生产线的停止和损失。
其中，电动机转子的断条故障是一种常见的故障类型。
因此，开发一种高效可靠的电动机转子断条故障检测方法具有重要的实际意义。
小波包分析是一种信号处理的方法，具有多分辨率、局部特征提取等优点，特别适合用于故障诊断。
基于小波包分析的电动机转子断条故障检测方法可以通过对电动机转子振动信号进行分析，提取出转子断条故障所具有的特征信息。
首先，将电动机转子的振动信号进行小波包分解。
小波包分解可以将信号分解成多个子频带，每个子频带对应不同的频率范围。
通过对不同子频带的分析，可以提取出不同频率范围内的特征信息。
然后，对每个子频带的信号进行特征提取。
可以使用多种特征提取方法，如能量、方差、峰值等，来描述信号的统计特性。
通过对这些特征进行分析，可以发现转子断条故障所具有的特征模式。
接下来，使用机器学习算法对提取的特征进行分类。
可以使用支持向量机、神经网络等算法进行分类，以判断转子是否存在断条故障。
通过训练样本的学习，可以建立一个高效的分类模型，用于对未知样本进行故障检测。
最后，根据分类结果进行故障诊断。
如果分类结果表明电动机转子存在断条故障，那么需要对电动机进行维修或更换转子。
如果分类结果表明电动机转子正常，那么可以排除转子断条故障的可能性，继续进行其他故障的排查。
综上所述，基于小波包分析的电动机转子断条故障检测方法具有很高的实用性和准确性。
通过该方法可以提高电动机的可靠性和稳定性，减少生产线的停机时间和损失。
在工业生产中的应用前景广阔，有着重要的实际意义。
基于小波包能量谱的汽轮机转子故障识别仿真
成不平衡引起 故障震 动信号发生波动 ， 传统 的震动信号监测方法在故障信号发生波动的情 况下 ， 很难准确 的检测故 障， 提出
一
种利用小波包能量谱 的汽轮机转子 的故 障识别算法 。运用汽轮机转 子振动信号 的总能量 以及不 同的频带所对应 的能量 占总能量的比例的计算结果获得 了汽轮机转子 的故 障类型 ， 排除 由于故障信号形 变造成的干扰 。最后 ， 针对 ２ ０ ０ Ｍ Ｗ 发 电机
Ｂａ ｓ ｅ ｄ ｏ ｎ Ｗａ ｖ ｅ ｌ ｅ ｔ Ｐａ ｃ ｋ ｅ ｔ Ｅｎ ｅ ｒ ｇ ｙ Ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ
Ａｉ Ｒｕ ｉ —ｂ ０
（ Ｓ ｃ ｈ ｏ ｏ ｌ Ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｑ ｉ ｑ ｉ ｈ ａ ｒ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｈ ｅ ｉ ｌ ｏ ｎ ｇ ｊ ｉ ａ ｎ ｇ Ｑ ｉ ｑ ｉ ｈ ａ ｒ １ ６ １ ０ ０ ６， Ｃ ｈ ｉ ｎ ａ ）
组的汽轮机转子进行 了故障诊 断， 研究结果表 明， 利用小波包能量谱能够较为准确地获得汽轮机转子 的故 障类型 。
关键词 ： 小波包能量谱 ； 汽轮机转子 ； 故 障识别
中图 分 类 号 ： Ｔ Ｐ ３ ９ ３ ． ０ ８ 文献标识码 ： Ｂ
Ｓｔ ｅ ａ ｍ Ｔｕ ｒ ｂ ｉ ｎ ｅ Ｒｏ ｔ ｏ ｒ Ｆａ ｕ ｌ ｔ Ｉ ｄ ｅ ｎ ｔ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ Ｓｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ
ｌ 引 言
汽 轮机转 子发 电机组是 电力工业 中非 常重要 的设备 之
一
故障特征的提取是汽轮机转子故 障诊断 的关 键 ， 常见 的
方法有 ： 傅立 叶变换法 、 小波变换法 、 小 波包 变换法等 ， 各
小波包-神经网络在汽轮机转子故障诊断的应用
小波包-神经网络在汽轮机转子故障诊断的应用发电设备(2009N o.6)收稿日期2323; 修回日期2525作者简介刘明利(32),男,在读硕士生,主要从事发电机组振动的故障诊断。
小波包-神经网络在汽轮机转子故障诊断的应用刘明利, 傅行军, 李 艳(东南大学火电机组振动国家工程研究中心,南京210096)摘 要:根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。
利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。
MA TLAB 的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。
关键词:汽轮机;转子;故障诊断;小波包;神经网络中图分类号:TK267 文献标识码:A 文章编号:16712086X(2009)0620397203Applica tion o f Wa velet Packet 2N eural N et w or kto Fa ult Dia gnosis o f Tur bine Rotor sLI U Ming 2li , FU Xing 2jun , L I Yan(Nati onal Engi neeri ng Research Center of Turbo Generat or Vi bration ,Sout heast U niversity ,Nanji ng 210096,China )Abstract :A ccordi ng to the signal fe atures of tur bine rotor vibration f aults ,a diagnosis method in c ombina tion of w avelet p acket a nd p roba bilistic neural netw or k is being p rop o se d.Fa ult signals aredecompose d using w avelet packet ,and t he n t he unif ied data w ill be pr ocessed by p roba bilistic neur al netw ork ,w here af ter a nonline ar mappi ng relationship betwee n signal fe atures and f ault type ca n be obtaine d ,and t hu s a f ault dia gnosis c ompete d.Experime ntal results of MA TL AB sim ula tion show that t he c ombine d met hod by wa velet pac ke t a nd pr oba bilistic neural netw ork is ve ry eff ective f or diagnosis of nor mal t ur bine r otor f aults.Keyw or ds :st eam tur bine ;r ot or ;f ault diagnosis;wa vele t p acket ;ne ur al netw or k 对振动信号进行小波分析时,往往只对上层分解结果中的低频部分加以分析,而忽略其高频部分,但是待分析信号一般都处在一个确定有限的频域范围,故障信息可能隐藏在高频部分,忽略高频部分就意味着可能无法将故障信息提取出来或者说丢失了故障信息[1]。
小波分析在转子系统多故障诊断中的应用研究
法， 该方法首先根据轴承 的故障特 征频率确定小波分解 的层数 ， 对分解后的各层高频信号计算其 能反 映故障特征 的时 域特征参数 ， 再将 包含 故障特 征频率的各尺度时域参数 与转子 、 轴承正常运转时 的时域参数相对 比， 从而判断转子 、 轴
承 故 障 及 其 产 生 故 障 的 原 因 。通 过 多 尺 度 分 解 可 明 显 地 提 高 故 障 信 号 所 在 尺 度 的信 噪 比， 于 既 考 虑 了故 障 的频 域 由 特 征 也 参 照 了 故 障 的 时 域 特 征 ， 过 多尺 度 特 征 参 数 构 成 的 向量 可 同 时诊 断 出 转 子 、 承 的 不 同故 障 原 因 ， 过 仿 真 通 轴 通 和 故 障 轴 承 的 实 例 分析 验 证 该 方 法 的有 效 性 。 关 键 词 ： 动 与 波 ； 子 ； 动 轴 承 ； 波变 换 ； 障诊 断 振 转 滚 小 故 中 图 分 类 号 ： Ｐ ０￣ Ｔ ２６３ 文献 标 识 码 ： Ａ Ｄ 编 码 ：０ ９ ９ ．ｓ． ０ —３ ５２ １． ． ０ ＯＩ １ ． ６０ｉ ｎ１ ６１ ５ ． ００ ０ ３ ｓ ０ ０ ６４
Ｕｒｍｑ ３ ０ ９ ｈｎ ） ｕ ｉ ０ １，Ｃ ｉａ ８
Ａｂ ｔａ ｔ Ｗ ｉ ｈ ｓ ｆ ｗａ ｅ ｅ ｌ ｐ ｅ ｄｍ ｅ ｓｏ ｅ ｏ ｏ ｉ ｏ ，ａ ｎ ｗ ｔ ｏ ｏ ｅ ｔ ｃ ａ ｌ ｓｒｃ ： ｔ ｔ ｅ ｕ ｅ ｏ ｖ ｌｔｍｕ ｔ ｌ — ｉ ｎ ｉ ｎ ｄ ｃ ｍｐ ｓｔ ｎ ｅ ｍｅ ｈ ｄ ｔ ｘ ｒ ｔｆ ｕ ｔ ｈ ｉ ｉ ａ ｆ ａｕ ｅ ｏ ｒ ｔ ｒｓ ａ ｔ ｅ ｒ ｇ ｓ ｓｅ ｓｉ ｄ ｖ ｌ ｐ ｄ Ｆ ｒｔ ｆ ｌ ｔ ｅｌ ｖ ｌ ｏ ｖ ｌｔ ｅ ｏ ｏ ｉ ｏ ｒ ｅ ｔ ｒ ｓｆ ｍ ｏ ｏ － ｈ ｆ ｂ ａ ｉ ｙ ｔｍ ｓ ｅ ｅｏ ｅ ． ｉ ｌ ｈ ｅ ｓ ｆ ｒ — ｎ ｓｏ ａ， ｅ ｗａ ｅｅ ｃ ｍｐ ｓ ｉｎ ａ ｅ ｄ ｔ
基于高斯混合模型与小波包分析的汽轮机转子振动故障诊断实验研究的开题报告
基于高斯混合模型与小波包分析的汽轮机转子振动故障诊断实验研究的开题报告1. 研究背景与意义汽轮机转子是汽轮机中最关键的部件之一，其运行状态直接影响到汽轮机的性能和可靠性。
转子振动故障可能导致运行不稳定和损伤，甚至给人员和设备带来安全隐患。
因此，汽轮机转子故障诊断成为汽轮机运行和维护中的重要问题之一。
传统的转子振动故障诊断方法主要基于振动信号分析和频谱分析，但这些方法往往受到信号噪声干扰的影响，诊断效果不稳定。
近年来，随着数据处理技术的不断进步，基于机器学习和模式识别的故障诊断方法受到了越来越多的关注。
其中，高斯混合模型（GMM）在模式识别领域表现出良好的性能，能够对复杂的数据分布进行建模和分类；小波包分析则可以对信号进行局部分析和多分辨率分析，提高信号噪声的抑制能力。
因此，将高斯混合模型与小波包分析相结合，对汽轮机转子振动故障进行诊断，具有重要的研究意义和实际应用价值。
2. 研究内容与方法本研究旨在探究基于高斯混合模型与小波包分析的汽轮机转子振动故障诊断方法，主要研究内容包括：（1）汽轮机振动信号采集：选取适当的传感器，设计合理的振动测量系统，获取实验数据；（2）小波包分析：根据振动信号特点，选取适当的小波基和分解层数，对信号进行小波包分解和重构，得到不同频段和尺度上的信号特征；（3）高斯混合模型：采用最大似然估计方法建立高斯混合模型，对不同频段和尺度上的信号特征进行分类，并计算各个类别的概率分布；（4）转子振动故障诊断：根据概率分布结果，判断信号属于哪个类别，诊断汽轮机转子振动故障类型。
3. 研究计划及进度安排（1）前期准备：对汽轮机振动信号采集系统进行设计和建立，编写相关数据处理程序。
预计完成时间：1个月。
（2）信号处理：对采集到的振动信号进行去噪和滤波，选取适当的小波基和分解层数，进行小波包分析，提取信号特征。
预计完成时间：2个月。
（3）高斯混合模型建立和参数估计：采用最大似然估计方法建立高斯混合模型，对信号特征进行分类，求解模型参数。
基于小波包分析的电机转子断条故障诊断
基于小波包分析的电机转子断条故障诊断
基于小波包分析的电机转子断条故障诊断研究
1.引言
当发生转子断条故障时，在其定子电流中将会出现和频率的附加电流分量（s为转差率，为供电频率）。
但是分量的绝对幅值很小，若直接作傅里叶频谱分析时，由于栅栏效应分量的泄漏有可能淹没频率分量。
自适应滤波和希尔伯特变换法这两种方法可以有效的解决检测频率分量困难的问题，是目前最具代表性的异步电动机转子断条在线检测方法。
但是这两种方法只适用于电动机拖动平稳负荷的运行工况。
当负荷波动较大时无法取得令人满意的结果，对故障诊断的准确性产生一定影响。
小波包分析不仅对信号的低频部分进行分解，同时也对高频部分进行分解，自适应的确定信号在不同频段的分辨率，在故障诊断中比小波分析更精细。
本文尝试用小波包分析研究电机转子断条故障诊断问题。
2.实验数据采集
下面针对正常、转子断条的三相鼠笼式异步电动机两台电机的电流信号进行采集和分析研究。
三相异步鼠笼电动机额定功率3KW，额定转速1430转/分。
在转差率s=5.6%，采样频率为=1000Hz，采样点数的情况下采用虚拟仪器。
基于小波分析的汽轮机振动故障信号的检测
科学技术创新2020.14（转下页）环水泵的经济运行方式时，可采用如下公式。
当用阀门对流量进行调节时，与之相对应的电动机输入功率Pv 与流量Q 之间的所存在的关系是：P v ≈[0.45+0.55（Q n Q 2）]P e 当用变频调速技术时，水泵的节电率可依据如下公式进行计算：K i =（P v -P n ）3/P v =1-[（Qn/Q ）3/（0.45+0.55）（Q n /Q ）3]在此公示当中，K1所表示的是变频节能效率；Qn 表示的是水泵流量；Q 代表的是水泵的额定流量；Pn 所表示的是变频调速时泵的轴功率；Pe 所代表的是水泵额定流量时的电动机输入的轴功率；而Pv 所表示的是阀门调节时泵的轴功率。
借助此公式，仅需知晓流量与额定流量之间的比值，便能将其变频节能效率给估算出来。
3水泵变频节能实例分析某螺杆式制冷主机循环水泵的额定功率是245kW ，4极电机，日常所需流量是80~90%的泵的额定流量，也就是Qn=（0.8~0.9）Q ，在对其进行改造时，准备改成变频电机驱动，对其节能价值进行计算。
已知晓其额定流量是Q ，而现实流量Qn 仅占额定流量的80%，借助上述公式，可将阀门节流调节时电机的输入功率给计算出来，即Pv=207.5kW ，而借助（2.2）中的公式，可将变频节能率给计算出来，即k1=0.21。
也就是用阀门对流量进行调节时，水泵所需要的轴功率是206.5kW ，用变频调速器进行调节，在节能率上可达到21%（流量相同）。
如果按照每年340天来进行计算，那么年均节约电量可达到15.6万kWh ，费用可节省7.1万元。
而在改造费用方面，需要增加1台变频器、一面变频调速柜，除此之外，还需要诸如指示灯、电表、熔断器等配件，费用为3.7万元，若回收期为半年，那么其无论是在经济上，还是在技术上，都是可行的。
借助上述计算可知，针对那些大型化的水泵，即便其现实流量与额定流量相当，用变频调速技术进行改善，仍然具有可行性，且潜力比较大。
信息融合技术在旋转机械故障诊断中的应用
骞ｌ 匐 化 、
＝
（ ）输 出节点 的计算 输 出： ２
（） ３
∑
／ｆ 、ｌ，
Ｙ＝ （ ｊｋ ） ∑ＴＶ ｋ＋
ｋ
（） ５
由于 系统 出现故 障时会对 各频带 内信号能 量有
较大 的影响 ，不同的 故障对 各频带 内信 号能量 的影
响也 不相 同如图 ２ 示， 因此，我们 可 以将 故 障信 所
’ ｒ— — —— —— — —ｒ —— —— —— — —一 Ｏ —— —— — —— —— — —— — —— —— ０
｝
、
ｈ 。 ＾ ． 口 … 壕
输入层
隐层
输 出层
图 ３ＢＰ网络 的 拓 扑 结 构
１ 构造 Ｄ Ｓ决策融合中的基本概率分配函数 ． ３ －
函数 ）分别为：
， ，相应的焦点元素分别为： ． ． ．
，
（ ）隐节点的输出： ＝－ １ 厂 （
肼 ｅ ）（ ＋ ４ ）
Ａ １ ， １， ， １１ Ａ １Ａ ２ ，．， ， Ａ ，Ａ ｆ … １Ａ ２… Ａ ， ２， ２．．Ａ２２ ｒ １ ２，
Ａｔ ｔ。
．
【 下转第 １ ０页】 １
性 、互 补性强 和诊断 精度 高的优点
３ 结束语
本 文采用 了多传感 器进行 信息采 集，避免 了单
一
关键 词：故障诊断； 小波： 神经网络： 信息融合 ： － Ｄ Ｓ推理 中国分类号 ：Ｔ ９ Ｐ３１ 文献标识码 ：Ａ 文章编号 ：１ ０ — １４ ２ １） ４ ０ ７— ３ ９０ （ ０ ０— ０６ ０ ０ ３ ０
０ 引言
信息 融合是将 多种类 型的信 息综合在 一起 ，并
基于小波包IRN网络的燃气轮机转子故障诊断
小 波包重 构算 法 ：
由｛｛“与 ｛ ｄ ｝
。 ｛｛ ｎ， ｝ ｄ¨． 则 求 ｝
ｄ “ ∑（ ｌ２ “ ｌ２ｄ ） ｛ ＝ ｈ一ｋ ＋ｇ 一ｋ “ 。 ｄ
运 用小波 包进行 信 号消 噪处 理 的基 本 过程 可按
非常 复杂 ， 就转 子 系统而 言 ， 障与征 兆之 间往往 没 故 有明显 的对 应关 系 ， 且 在 诊 断 中存 在 着 大量 的随 并
龚 海鹏 ， 宋华 芬
（ 海 交通 大学涡轮机 研 究所 ， 海 ２ ０ ３ ） 上 上 ００ ０
摘 要 ： 出一 种基 于小波包 和带有偏差单元的 内部 回归神经网络相结合 的燃气 轮机 转子故 障诊 断方法。利 提
用小波包分析去除噪声信号干扰 ， 简化燃机转子故障特征提取 。带有偏 差单元 的内部 回归 神经 网络的记 忆特
性好 ， 收敛 速 度 快 、 定 性 强 。小 波包 和带 有 偏 差 单 元 的 内部 回归 神 经 网络 的结 合 ， 大 提 高 了诊 断 速 度 及诊 稳 大
断准确性。
关
键
词 ： 气 轮 机 ； 子 ； 波 包 ； Ｎ 网络 ； 障诊 断 燃 转 小 Ｉ Ｒ 故 文献标识码： Ａ 文章 编 号 ：０９—２８ （０７ ０ １０ ８９２０ １４—０５ —０ ０４ ３
维普资讯
第２ Ｏ卷
第 ４期
《 燃
气
轮
机
技
术》
ｖ０ ． ０ Ｎ０． １２ ４ Ｄｅ ｃ．，００ ２ ７
２０ ０ ７年 １ ２月
ＧＡＳ ＴＵＲＢＩ ＮＥ ＴＥＣＨＮｏＬｏＧ Ｙ
基 于小 波包 Ｉ Ｎ 网络 的燃 气 轮 机 转 子 故 障诊 断 Ｒ
阈值 并对 系数进 行 阈值 量 化 。（ ） 号 的小 波 包 重 ４信 构 。根 据第 Ｎ层 的 小 波 包 分 解 系 数 和 阈值 处 理 后
基于小波分析的汽轮机振动故障诊断
基于小波分析的汽轮机振动故障诊断1汽轮机常见故障1.1转子质量不平衡转子质量不平衡是汽轮发电机组最常见的振动故障，它约占了故障总数的80%。
随着制造厂加工、装配精度以及电厂检修质量的不断提高，这类故障的发生率正在逐渐减少。
而现场检修过程中的转子平衡方法也在不断的改进。
即便如此，质量不平衡目前仍是现场机组振动的主要故障。
转子质量不平衡故障产生的机理是，转子的各横截面的质心连线与各截面的几何中心的连线不重合，从而使转子在旋转时，各截面离心力构成一个空间连续力系，转子的挠度曲线为一连续的三维曲线。
这个空间离心力力系和转子的挠度是旋转的，其旋转的速度与转子的转速相同，从而使转子产生工频振动。
对于汽轮机组而言，无论其平衡状况有多么好，都或多或少会存在质量不平衡。
所以，其振动频谱中始终有一倍频分量，这种情况是允许的。
转子的振动是一个与转速同频的强迫振动，振动幅值随转速按共振曲线规律变化，在临界转速处达到最大值。
因此，转子不平衡故障的突出表现为一倍频振动幅值大；同时，出现较小的高次谐波，整个频谱呈所谓的“枞树形”如图1-1所示。
图1-1 转子质量不平衡故障频谱图1.2 转子不对中不对中是汽轮发电机组振动常见故障。
转子不对中通常是指相邻两转子的轴心线与轴承中心线的倾斜或偏移程度。
转子不对中可分为联轴器不对中和轴承不对中，联轴器不对中又可分为平行不对中、偏角不对中和平行偏角不对中三种情况。
如图1-2 所示。
图1-2 (a)对中；(b)平行不对中；(c)角度不对中；(d)组合不对中1.3 动静碰摩汽轮发电机组转动部件与静止部件的碰摩是运行中常见故障，且往往是其他故障的诱发故障。
随着现代机组向着高性能、高效率发展，汽轮机动静间隙变小，轴封、油档、隔板汽封发生动静碰摩的可能性随之增加。
碰摩使转子产生非常复杂的转动，是转子系统发生失稳的一个重要原因，轻者使得机组出现强烈振动，严重的可以造成转轴永久性弯曲，甚至整个轴系毁坏。
基于小波包分析和案例推理的转子系统故障诊断方法
（ ｐ ｒｍｅ ｔｏ ￣ｏ ｅＶｅ ｉｌ ｇｎ ｅｉｇ Ｎａａ ｒｎ ｕｉａ Ｅ ｇｎ ｅｉｇＩｓｉ ｔ， Ｄｅ ａｔ ｎ ｆ Ｍ ｍ ｈｃｅＥｎ ｉｅ ｒ ， ｖ ｌ ｎ Ａｅｏ ａ ｔ ｌ ｎ ｉｅｒｎ ｎｔｕｅ ｃ ｔ
Ｙａ ｔｉ ６ ０ １ Ｓ ａ ｄ ｎ ， ｉａ ｎａ ４ ０ ， ｈ ｎ ｏ ｇ Ｃｈｎ ） ２
摘要 ： 将小波包分析 与案例推理技术应用到转子 系统故障诊断 中， 解决 了复杂 转子
系统 中小 波包 方 法 故 障 诊 断 结 果 可 解 释 性 差 、 析 判 断需 要 专 门经 验 的 问题 ； 小 波 包 分 用
技术所提取 的故障特 征表 示转子系统故障案例 ，利 用案例检 索技 术将 以往相似案例应
态振 动 系统 ｌ其 故 障 多 以振 动 的 ｍ ｅｈ ｄ． ｌ ｌ ， ｔｏ 形 式 表现 出来 ，对 其进 行 分 析 可
Ｋ ｙ ｗｏ ｄ ｗａ ｅ ｅ ａ ｋ ｔ ＣＢＲ； ｏ ｏｒ ｙ ｔ ｍ； ａ ｌ ｄａ ｎ ｓｓ ｅ ｒ ｓ： ｖ ｌ ｔ ｃ ｅ ； ｐ ｒ ｔ ｓｅ ｓ ｆ ｕｔ ｉｇ ｏ ｉ
Ａ ｓｒｃ：／ ｅｐ ｏ ｘ ｌ ａｉ ｆｆ ｕ ｉ ｎｓ ｅｕｔ ａｄ ｄｐ ｎ ｅｃ ｕｔ ｂ ｔ ｔ ＇ ｏｒｅｐａ ｔ ｎ ｏ ｌ ｄａ ｏｉ ｒｓｌ ｅｅ ｄｎｅ ｏ ｆ ｌ ａ ｈ ｎ ｏ ａｔ ｇ ｓ ｓｎ ｆ ａ 越 ｓ ｏ ｅｉ ｈ ｄｅｐ ｒ ｎｅ ｏ ｏ ｐｉａ ｄｒｔ ｓ ｍ ｗ ｖｌ ａｋ ｔ ｅ ｏ ｅｅ ｙ ｎｓ ｃａ ｅ ｘ ｅｉ ｃ ｒ ｍ ｌ ｔ ｏ ｒ ｙｔ ａｅ ｔ ｃ ｅ ｍ ｔ ｄｗ ｒ ｐ ｌ ｅ ｆ ｃ ｃｅ ｏｓ ｅ ｅｐ ｈ ｓｌ ｄ ｂ ｎ ｏ ｏａｉ ａｅｅ ｐ ｃ ｅ ａａ ｓ ｎ Ｂ ｉｔ ｔｅ ｒｔｒｓｓ ｍ ｆ ｕ ｏ ｅ ｙ ｉｃｒ ｒ ｎ ｗ ｖ ｌ ａｋ ｔｎ ｌ ｉ ａ ｄ Ｃ Ｄ ｎ ｈ ｏｏ ｙｔ ａ ｌ ｖ ｐ ｔ ｇ ｔ ｙｓ ｏ ｅ ｔ ｄａｎｓ ．Ｔ ｅｅｐａａｉ ｆｕｔｄａｎｓ ｅｕｓ Ｗ Ｓｉｐｏｅ ｙ ｔｅｃｓ ｈ ｏｏ ｉ ｏｉ ｈ ｘ ｌ ｔ ｎ ｏ ａｌ ｉ ｏｉ ｒｓｌ ａ ｍ ｒｖｄ ｂ ｈ ａｅ ｔａ ｒｔ ｇ ｓ ｎ ｏ ｆ ｇ ｓ ｔ ｔ ｒ
基于小波-神经网络的汽轮机转子故障诊断
２为了更准确描述信号 中能量的变化 ， Ｘ０ Ｘｌ Ｘ２ ） 对 ３、 ３、 ３、
Ｘ 、 Ｘ３ ４
、
径 向基函数网络算法如下【： ｕ ｓ ａ 函数网络的学 习参数 Ｇ ａｓ ｎ １ ｉ 有３ ， 个 即各 ＲＢ Ｆ的 中心 Ｃ 方 差 以及输入 单元的权值 。 、 步骤１ ： ＾向量中选— 初始中一值 Ｃ ， 输 耳 巳 ｔ 注意ｃ的催 强 同。
Ｘ３ ５
Ｘ３ ６
、 、
Ｘ７ ３ 采取一定 的削减算法。
① 计 算 各 个 节 点 分 解 系 数 的 削 减 阀 值
Ｔｘ √ ｃ ｈ ｝ ｆ ￣ ｒ ３ ｓ
其 中ｋ 示 ｘ 表 的长度 ， 且
Ｘ ＝ ［ ｆ ｉ， ｆ ， ， ｆ ＾１。 ３ ｃ ｓ３ Ｉ ｃ ｓ ２ … ｃ ｓ３ｉ ３ｉ
ＲＢ 网络的产生具有很强的生物背景 。 Ｆ 在大脑皮层 区域 ， 局
步骤６如果 网络 收敛则计算停止 ， ： 否则转到步骤 ４ 。
部 的调 整和重叠接 收区域是大脑 响应的特性 。基 于这些特性 ， Ｍｏ ｄ 和 Ｄ ｒｅ 设计 了一个神经网络结构［。 Ｆ网络 的传递 ｏｙ ａｋ ｎ ６ ＲＢ １ 函数通常采用像 Ｇ ａｓ ｎ核 函数 ： ｕ ｓａ ｉ
Ａ （ ） ｄ ｆ ， ｎ ， ， ｃ ）
（） （） ＝ 一Ｙ （） 式 中 Ｙ（） 一 一 网络期 望输 出 ； ， ， 一一 ３ 个参数 的
学习步 长。
ｒ 『 百 ＝
输入 。
］作为Ｒ Ｆ ， Ｂ 神经网络的
２３ 径 向基 函数 ｆ Ｆ网络 及算 法 ． ＲＢ ）
维普资讯
维普资讯
《 动 技 应 》 ０７ 第２ 卷 ２ 自 化 术与 用 ２０ 年 ６ 第１ 期
基于小波包滤波的汽轮机转子振动故障的Kolmogorov熵诊断
式 中 ， ， —— 小波 重构共 轭滤 波器 系数 。 Ｐ ｇ
Байду номын сангаас
（） ２
２ Ｋｏｍｏ ｏ ｏ ｌ ｇ ｒ ｖ熵 原 理
Ｋ ｌｏｏ ｖ ｏ ｇ ｏ 熵是从人们熟悉的热力学熵概念 中引 ｍ ｒ
伸 而来 的 。在热力 学 中 ， ｓ 熵 ：
１ 小 波 包 原 理
小波 包分 析 包 括 分 解 与 重 构 两 部 分 ， 波 包 的空 小
间分割可 以把原始信号分解到不同 的小波子空间上 ， 即通过小波包分解 ， 信号包含 的各个频率成分可 以分 解到相应 的频段内， 从而实现了信号的频带分解 ， 可以 选 取其 中有 用 的频 带 进 行 分 析 ， 到 滤 波 的 目的。但 达 由于小波 包 分解 过 程 中进 行 了信 息 压 缩 ， 解 尺 度 越 分 大 ， 号压 缩 也 越 大 ， 剩 的数 据 就 越 少 ， 形 的 台 阶 信 所 波 化也就越来越 明显 ， 这种台阶化在频谱域 内又表现 为
一
，
高次谐波 ， 造成算法误差和测量误差 。因而 ， 甩小波 包分解 后 的系数 通过 小波 重 构滤 波 器 重构 出在各 频带 内的时域 信 号 ， 以部 分 消 除 频 带 重 叠 带 来 的误 差 。 可 小波包分解重构计算原理如下 ： Ｊ 离散信号按小 波包基展开时， 包含低通滤波和高 通 滤波两 部分 ， 每一 次 分解 就 将 上 层 ． １的第 几个 频 带进 一步 分割 变 细 为 下 层 的第 ２ 与 ２ 凡＋１两 个 子 频带。 、 离 散信 号 的小 波包 分解算 法
｛
ｆ （ ２）＝∑ａ ２ ＋１ ） ｄ ｎ ｚ， ｋｌ（ ， ＿ 凡 ｄ
基于小波分析的转子绕组匝间短路故障诊断方法
Ａｂｓｒ ｃ ： ｅ ｔｏ ａ ｎ ｉ ｈ ｒ ｃｅ ｉｔ ｆｔ ｅｉｔ ｒ ｍ ｈ ｒ ｃ ｒｕ ｔ ｎｔ ｒ ｏ ｇ ｎ ｒｔ ｒｒ ｔｒｗｉｄ ｎ ｓｉ ｎ ｌｚ ｄ Ａｎ ｔｏ ｔａ ｔ Ｅｌｃｒ ｍ ｇ ｅ ｃｃ ａ ａ ｔｒｓｉ ｏ ｎｅ ｔ ｃ ｈ ｕ ｓ ｏ ｔ ｉｃ ｉ ｉ ｕ ｂ — ｅ ｅ ａｏ ｏ ｏ ｎ ｉ ｇ ｓａ ａｙ ｅ ． ｄａｍｅ ｈ ｄ
１ 引言
转子绕组匝 间短路是一种常见 的汽 轮发 电 故障 。 机 轻微 的 匝间短路对发 电机运行不会产生太大 的影响 ， 如果故障继续发
展， 将会使转子 电流显著增加 ，绕组温度升 高 ， 无功 出力 降低 ，
在线检测 的方法主要是探 测线圈波形法。 本文通过对汽轮
发 电机转子绕组 匝间短路对称 ， 破坏气 隙磁 场的正常分布 ，
关键字 ： 小波分 析 ；故障诊断 ；转 子绕组 ；匝间短路 中图分类号 ： Ｐ ７ Ｔ ２７ 文献标识码 ： Ｂ 文章编号 ：０ ３ ７ ４ （０ ７０ —０ ８—０ ｌ０ — ２ ｌ ０ ）２ ０ ２ ５ ２
基于小波包IRN网络的燃气轮机转子故障诊断
基于小波包IRN网络的燃气轮机转子故障诊断
龚海鹏;宋华芬
【期刊名称】《燃气轮机技术》
【年(卷),期】2007(020)004
【摘要】提出一种基于小波包和带有偏差单元的内部回归神经网络相结合的燃气轮机转子故障诊断方法.利用小波包分析去除噪声信号干扰,简化燃机转子故障特征提取.带有偏差单元的内部回归神经网络的记忆特性好,收敛速度快、稳定性强.小波包和带有偏差单元的内部回归神经网络的结合,大大提高了诊断速度及诊断准确性.【总页数】3页(P54-56)
【作者】龚海鹏;宋华芬
【作者单位】上海交通大学涡轮机研究所,上海,200030;上海交通大学涡轮机研究所,上海,200030
【正文语种】中文
【中图分类】TK474.7+2
【相关文献】
1.基于改进IRN网络的航空发动机故障诊断 [J], 丁未;周新立
2.基于小波包- BP 神经网络的输油泵机组转子故障诊断 [J], 田晓文;马振利;谭胜
3.基于小波包分析及神经网络的汽轮机转子振动故障诊断 [J], 梁平;白蕾;龙新峰;范立莉
4.基于小波包和Elman神经网络的异步电机转子断条故障诊断方法 [J], 王旭红;何
怡刚
5.基于IRN神经网络的雷达天线伺服系统故障诊断 [J], 薛松;刘涛
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ａ ｄ ｌｏ ｉ ｇ ｆ ｍ ｈ ｅ ｔ ｘ ｅ ｉ ｎ ａ ｌ ａ ａ ｙ ｉ ａ ｄ ｓ ｍｐ ｏ ｅ ｔ ｃｉ ｎ ａｅ ｃ ｒｉ ｄ ｏ ｔｂ ｖ ｌ ｔｐ ｃ ｅ ｎ ｌｓｓ ｎ ｏ ｓｎ ｏ ｔ ｅ Ｂ ｎｌ ｅ ｐ ｒ ｒ ｙ ｍｅ ｔ ｂｅ， ｎ ｌ ｓｓ ｎ ｙ ｔｍ ｘｒ ｔ ｒ ａｒｅ ｕ ｙ ｗａ ｅｅ ａ ｋ ｔａ ａｙ ｉ． ｔ ａ ｏ Ｔ ｅ ｆｕ ｔｓ ｍｐ ｏ ｐ ｒｍｅｅ ｓｅ ｔ ｃ ｅ ｙ ｗａ ｅ ｅ ａ ｋ ｔｃ ｍｐ ｓ ｈ ａ ｗ ｒ ｆｔｅ Ｄ・ ｖ ｄ ｎ ｅ ｔ ｅ ｒ ；ｇ ｔｔ ｒ ｉ ｅ ｈ ａ ｌ ｙ ｔｍ ａ ａ ｔｒ ｘｒ ｔｄ ｂ ｖ ｌｔｐ ｃ ｅ ｏ ｏ ｅ ｔ ｅｆ ｍｅ ｏ ｋ ｏ Ｓ ｅ ｉ ｅ ｃ ｈ ｏ ｙ ｅ ｕ ｂ ｎ ａ ｒ ｈ ｒ ｔｒｖ ｂ ａｉ ｎ ｆｕ ｔ ｔｐ ｓ ｂ ｈ ｎ ｏ ｍａｉ ｎ ｆ ｓ ｎ ｔｃ ｎ ｌｇ ．Ｔ ｅ ｒ ｓ ｌ ｆｄ ａ ｎ ｓｓ ｉｄ ｃ ｔ ｈ ｔｔｅ ｆ ｕ ｔ ｄ ａ ｎ ｓｓ ｏｏ ｉ ｒ ｔ ａ ｌ ｙ ｅ ｙ ｔｅ ｉ ｆｒ ｔ ｕ ｉ ｅ ｈ ｏｏ ｙ ｈ ｅ ｕ ｔ ｏ ｉｇ ｏ ｉ ｎ ｉａ ｅ ｔ ａ ｈ ａ ｌ ｉｇ ｏ ｉ ｏ ｓ ｏ ｏ ｓ ｓ
摘要： 根据 Ｂ ｎｌ ｅｔ ｙ实验 台所采集 的不平衡 、 不对中 、 碰摩 、 松动 ４种典 型汽轮机 转子振动故 障信号 ， 用小波包分 析 运 方法对其进行分析并提取故 障特征 。将提取 的故障特征作为 Ｄ—Ｓ证据理论 的识 别框架 ， 利用信 息融合技 术对 汽
轮机转子振动故 障进行诊断 。诊断结果表明 ： 于小波 包分析 和信息融合 技术 的故障诊 断方法 ， 基 能提 高故 障诊 断
Ａｎ ｌｓｓａ ｄ Ｉｆｒ ｔ ｎ Ｆ ｓｏ ｅ ｈ ｏｏ ｙ ａｙ ｉ ｎ ｎｏｍａｉ ｕ ｉｎ Ｔ ｃ ｎ ｌｇ ｏ
Ｇ ｉｇｐ ｉＬＡ Ｇ Ｐｎ Ｕ Ｊ —ｅ ，Ｉ Ｎ ｉｇ ｎ
（ ｏｌ ｅｏ Ｅｅｔｃ ｙＰｗ ｒＳ ｕｈＣ ｉａＵ ｉｅｓｙｏ ｅｈ ｏｏｙ Ｇ ａ ｇｈ ｕ５ ４ Ｃ ｉａ Ｃ ｌ ｇ ｆ ｌ ｒ ｉ ｏ ｅ ，ｏ ｔ ｈｎ ｎｖｒｉ ｆ ｃｎ ｌ ， ｕｎ ｚｏ ６ ０， ｈｎ ） ｅ ｃ ｉｔ ｔ Ｔ ｇ １ ０
的 准 确性 。 关键词 ： 波包分析 ； 小 Ｄ—Ｓ证 据 理 论 ； 息 融合 ； 障 诊 断 信 故
分类号 ： Ｋ ６ ． １ Ｔ ２８
文献标识码 ： Ａ
文章编号 ：０ １ ８４ ２ １ ）４０ ０ －３ １０ — ８ （０ ０ ０ －３００ ５
Ｔ ｒｉｅＲｏｏ ｂａｉｎＦ ｕｔ Ｄｉｇ ｏｉ Ｂ ｓｄｏ ｖ ｌｔＰ ｃ ｅ ｕｂｎ ｔｒＶｉｒｔ ａ ｌ ａｎ ｓ ａｅ ｎＷａ ｅｅ ａ ｋ ｔ ｏ ｓ ｓ
及运行环境的特殊性 ， 轮发 电机组 的故 障率 较高 ， 汽 而且 故 障危害性也大。所 以汽 轮机 的故障 预测及 诊断 问题历来 受 到有关的研究机构 、 企业 和管理 部门 的高度重 视 ， 是现代 故 障诊断技术应用的一 个重要 方面 … 。汽 轮机转 子振动 信号 提供 了丰富的故障征兆信息 。如何准确 、 全面地提取 征兆信 息 ， 于故 障类 型的确定 ， 障发展 趋势 的预测及 汽轮 发 电 对 故
机 组 的状 态 检 修 都 具 有 重 要 的 意 义 。
１ １ 小 波 包 原 理 ．
１ 小 波 包 分解
小波包分析方法能将 信号频带进行多层 次划分 ， 能同时
对各分解层的高频和低频 部分进行 分解 ， 为信号提供 了一种 更加精细的分析方法。离散信 号按 小波包基 展开时 ， 含低 包
ｍｅ ｈ ｄ ｂａ ｅ ｎ ｗａ ｅｅ ｎａｙ ｉ ｎ ｉ ｆｒ ｔｏ ｕ ｉ ｎ ｔ ｃ ｏｏ ａ ｍｐｒｖ ｈ ｃ ｕ ａ ｙ ｏ ａ ｔｄａ ｎ ｓｓ ｔ ｏ ｓ ｄ ｏ ｖ ｌｔａ ｌｓｓａ ｄ ｎｏ ｍａ ｉｎ ｆ ｓｏ ｅ ｈｎ ｌｇ ｃ ｎ ｉ ｏ ｅ ｔ ｅ ａ ｃ ｒ ｃ ｆｆｕｌ ｉｇ ｏ ｉ． ｙ Ｋ ｅ ｏ ｄｓ： ｖｅｅ ｃ ｔａ ｌ ｓｓ；Ｄ－ ｔ ｏ ｙ；ｉ ｏｒ ａ ｉ ｕ ｉｎ ；ｆ ｕｌ ｉ ｇ ｙｗ ｒ ｗａ ｌ ｔｐａ ｋｅ ｎａ ｙ ｉ Ｓ ｈｅ ｒ ｎｆ ｍ ｔｏｎ ｆ ｓｏ ａ ｔ ｄ ａ ｎｏｓｓ ｉ
第５ ２卷 第 ４期
２１ ０ ０年 ８月
汽
轮
ห้องสมุดไป่ตู้
机
技
术
Ｖｏ ＿ ２ Ｎｏ ４ ｌ５ ． Ａｕ ． ０１ ｇ２ ０
Ｔ ＵＲＢＩ ＮＥ ＴＥＣＨＮＯＬＯＧＹ
基 于小 波 包 分 析 和信 息 融 合 技术 的汽 轮 机 转子 故 障诊 断
谷 敬佩 ， 梁 平
（ 南理 工 大学 电力 学院 ， 州 ５０ ４ ） 华 广 １６０
其它途径的信息 ， 能更加准确 、 全面地认识 和描述诊断对 象 ，
０ 前
言
从而对复杂 的故障诊 断做 出正确 的判断 和决策 。若 将小 波包分析和信息融合技术相结合 ， 必然 能够提高对 汽轮机状
态识别 的准确性 。
电力工业快速发展 、 高参数大容量 火电机组 陆续 投入运
行， 使得结构和 系统 日趋复杂化 。由于设 备结构 的复 杂性 以