基于支持向量机的水电机组故障诊断

针对水电机组故障样本少的问题,将支持向量机引入水电机组故障诊断研究,提出一种结合小波频带分解与最小二乘支持向量机的水电机组故障诊断模型。基于机械设备"能量-故障"映射关系,运用小波分解提取机组振动信号各频带能量特征值,然后将能量特征值输入到多分类的支持向量机,实现对机组不同故障类型的识别。通过实验信号分析,表明将小波能量提取与支持向量机结合进行水电机组故障诊断是可行有效的,并具有较高的故障分辨能力,为水电机组故障诊断提供了新的方法和思路。

水轮发电机组及其操作可视化仿真系统(英文)

为了减少停机时间和维修费用,水电厂正在逐步从计划检修向状态检修过渡,提高人们对设备及其操作的理解是进行正确的诊断分析、制定合理的维修方案的基础。该文采用3D建模技术,将虚拟现实技术应用到水轮发电机组及其操作的可视化仿真中,构建了可视化决策支持系统,通过该系统不仅可以看到机组的运行情况,还可以及时了解设备的报警信息。这大大提高了人们对水轮发电机组及其操作的理解,特别是其运动机制。同时对维护工程师而言,它也是一个非常有价值的培训工具。

基于支持向量机的水电机组状态趋势预测研究

趋势预测是水电机组状态监测与故障诊断系统中的重要内容之一,对保障机组安全稳定运行具有重要意义。针对水电机组振动的非线性、非平稳特性,提出将最小二乘支持向量机应用于水电机组振动状态趋势预测;并将该算法应用于某水电机组振动序列峰峰值的预测,与BP神经网络的预测结果的对比表明:最小二乘支持向量机算法更适合于水电机组状态趋势预测分析。

全状态数字化建模及其在水电机组维护中的应用(英文)

为了减少停机时间和维修费用,水电厂正在逐步从计划检修向状态检修过渡。为了满足状态检修的需要,在三维动态建模技术和分布式物理图网建模技术的基础上提出了水电机组全状态数字化建模的概念并分析了其建模基础、建模步骤、关键技术及建模目标。以水轮机调速系统摇摆式主接力器为例详细描述了全状态数字化建模的实现方法及其在水电机组维护域中的应用情况。全状态数字化模型的实现和应用将促进水电设备运行-维护-管理自动化水平的发展和提高。