基于神经网络的轴流转桨式水轮机传递系数

建立水轮机数学模型是研究机组稳定性,优化机组运行的基础。工程实际中,对水轮机小扰动工况的研究多采用分段线性化模型,需要求取不同工况下水轮机的传递系数。然而,传统的求取方法计算量大,得到的传递系数数量有限且在轻载工况时误差较大。本文基于外特性法和神经网络求导,研究了轴流转桨式水轮机传递系数的计算方法。利用模型综合特性曲线、飞逸曲线以及边界条件,获取水轮机模型的原始数据,训练并得到反映水轮机流量特性和力矩特性的神经网络。对包含神经网络的数学表达式进行求导,推导传递系数的计算式,它是工况点的函数。最后,对比了该方法和曲线拟合法在一些工况点处求得的传递系数,分析了各自的特点。结果表明,本文提出的基于神经网络求导的水轮机传递系数求取方法精度较高,减少了计算量,且有利于全面的认识传递系数随工况的变化情况。

基于变分模态分解和复杂度分析的水电机组振动信号特征提取

目前大型水电机组通常安装有状态监测系统可记录机组的振动数据,而如何从海量的数据中提取出机组的故障特征是水电机组故障诊断的难点和热点。提出了一种基于变分模态分解和复杂度分析的振动信号特征提取方法,该方法首先对降噪后的振动信号进行变分模态分解,再结合复杂度算法求得各模态分量的复杂度值,得到以各模态分量复杂度值为元素的反映机组故障信息的特征向量,最后利用支持向量机对特征向量进行分类。试验结果表明:基于变分模态分解与复杂度分析的特征提取方法对水电机组不同运行状态具有较好的区分度,是一种有效的振动信号特征提取方法。

基于小波变换与SVD的水电机组振动信号特征提取研究

提出一种基于小波变换与SVD相结合的方法用于提取水电机组振动故障特征。运用小波变换对已去噪处理的水电机组振动信号进行变换,变换得到信号各分支的小波分解系数,对各分支系数进行差值单支重构后,组成SVD的输入矩阵,提取奇异值得到特征向量。应用概率神经网络对提取的奇异值特征量进行效果分类。通过水电站机组实测数据验证表明该特征提取方法操作简单稳定,具有较高区分度与较好识别率,可以为水电机组状态故障诊断提供有效依据。

基于SVD的水电机组振动信号去噪方法研究

为提高故障诊断的准确性,必须对水电机组振动信号进行有效去噪。提出一种基于奇异值分解的水电机组振动信号去噪方法,该方法对水电机组采集振动信号构造Hankel矩阵,得出奇异值序列,利用二倍频率数法选取有效奇异值阶次,最后利用所选奇异值进行矩阵重构,逆推实现信号恢复。分别对构造的仿真信号与水电机组实际采集信号进行去噪处理,与效果显著的GHM多小波相邻系数去噪法进行对比,实验结果表明:基于SVD的水电机组振动信号去噪法具有较好的准确度,噪声去除更彻底,对有效特征能量保留更稳定,是一种稳定有效的去噪方法。

基于贝叶斯网络的水电机组振动故障诊断研究

水电站的状态监测系统积累了大量的监测数据,但由于现场专家缺乏,目前这些数据没有得到很好的利用,如何挖掘这些数据并结合专家经验对水电机组进行故障诊断是本文研究的重点。本文提出了一种基于贝叶斯网络的水电机组振动故障诊断模型。根据专家经验获得贝叶斯网络结构和部分节点参数,通过SOM神经网络对数据信号进行离散化处理,利用EM算法参数学习获得其他节点的概率分布,搭建基于贝叶斯网络的子系统模型,并将子系统模型整合成完整的系统模型。文章最后通过设计试验,验证了所建模型诊断结果的正确性和合理性。

水轮机水导轴承运行瓦温高的处理

分析了水口电站水导轴承运行瓦温高的原因,采取加装冷却器的方法降低了运行瓦温,解决了机组投运二十年来的问题。