基于Choquet模糊积分的水电机组振动故障诊断

合集下载

水电机组轴承运行异常检测方法研究与应用

水电机组轴承运行异常检测方法研究与应用摘要：近年来随着信号分析方法的发展，国内外许多学者将时频分析方法应用到振动区划分，将振动信号灰度矩值作为表征振动信号强弱的特征值，并以实际数据对广东某电厂水电机组振动区划分。

通过短时傅里叶变换对水轮机升负荷过程的水导摆度信号进行分析，根据涡带频率随负荷的变化规律划分运行工况区。

随着工业大数据时代来临，机组在线状态监测系统数据被应用到振动区划分，基于机组在线监测数据、辅以稳定性试验分析的运行区精细划分方法，较传统的划分方法在涡带区边界、识别涡带区范围等方面有优势。

对电厂机组状态监测系统采集的海量数据进行挖掘、整理和分析，对机组运行区提出规划建议。

在线状态监测系统数据具有种类丰富、数据量大的特点，而绝大多数稳定性参数测点峰峰值没有超过国标限值，数据处理过程会浪费大量时间精力，如何快速有效获取机组状态数据信息显得尤为重要。

关键词：水电机组；轴承损耗；实时预警；异常检测；正态分布引言水电机组振动信号呈现出分形特征（multifractaldetrendfluctuationanalysis，MFDFA）处理。

该方法以分形几何为基础，研究整体与局部间自相似性与不规则性，具有不依赖系统模型即可实现系统状态信息提取的特点，从而避免了常见的时频域信号分析方法所存在的不足，基于此即可实现信号的特征提取和分类识别。

不同类型轴承的时间序列信号并进行研究，证明了轴承振动信号具有多重分形特性；将多重分形分析方法引入至齿轮箱的故障诊断中，证明了基于该方法提取的特征对齿轮箱状态变化十分敏感，并根据多重分形谱特征的均值与均方差选择特征，最终实现了对齿轮箱正常、轻度磨损、中度磨损和断齿四种状态的识别；基于声信号的多重分形谱特征和改进的SVM实现了往复泵的故障诊断，提高了往复泵故障诊断准确率；提取刀具磨损实验声发射信号的多重分形谱参数，对比不同状态下多重分形谱特征的分布情况选择特征，实现了刀具磨损状态的识别。

电机振动信号的模糊聚类分析与故障诊断

电机振动信号的模糊聚类分析与故障诊断作者：郝少鹏张雨果胡俊岳景辉余峰申志泽来源：《科技与创新》2019年第09期摘要：对于电机转子的故障诊断，故障状态与正常运行状态往往没有明显的界限，带有一定的模糊性，即便几类故障也没有清晰的界定，通过将转子的振动信号有效参数标准化，建立相似矩阵并改造相似关系为等价关系，对转子不平衡和碰磨故障运行工况进行了聚类分析。

分析结果有利于对模糊聚类算法相关参数进行优化探索，使其识别率提升，更为针对分类具有多樣性和复杂性的数据对象有效地模糊聚类分析奠定了良好的应用基础。

关键词：振动信号;转子不平衡;转子碰磨;模糊聚类中图分类号：TP311.13文献标识码：ADOI ：10.15913/j .cnki.kj ycx.2019.09.0601 模糊聚类算法概述聚类分析就是根据研究对象本身的属性和特征，并依照某种特定要求或者规律分类的方法。

由于聚类分析的对象尚未分类，且现实的分类问题往往带有模糊性，例如成绩分类、环境天气分类、振动烈度分类、岩石分类等，因此对这些带有模糊特征的事物进行聚类分析，不仅仅要考虑事物之间有无关系，而且要考虑事物之间关系的重要程度，显然用模糊数学的处理方法更加合理，目前，模糊聚类分析是各种科技工作者和工程技术人员最常用的数学方法之一。

模糊聚类应用对象具有多样性，被应用到地质勘探、机械工程、经济管理、国防工业、石油化工等诸多领域。

模糊聚类分析[1]的实质是在研究对象本身所具有的属性基础上构造模糊矩阵，并根据一定的隶属度来确定分类关系，也就是用模糊数学的方法对具有模糊性的事物进行分类的方法。

在理论上，它可以分为两大类：一类是动态聚类如传递闭包法，该方法是基于模糊等价关系进行聚类的;另一类是具有代表性的聚类方法模糊C一均值聚类算法，该方法的主要优点是算法明确、理论严谨、聚类效果较好，并且可以利用计算机进行计算，被广泛应用。

对滚动轴承训练样本数据进行分析是将大量数据中的故障特征模式提取出来，得到标准向量，作为故障诊断的依据[2]。

基于Choquet模糊积分SVM集成及其实证研究

基于Choquet模糊积分SVM集成及其实证研究倪渊;林健【摘要】In order to improve the classification performance of the support vector machine (SVM) ensemble methods, a modified SVM ensemble method is put forward by using Choquet fuzzy integral other than Sugeno integral. The proposed method takes the output of every SVM component into account such that it overcomes the drawback of the existing SVM ensemble methods that neglect the secondary information. As an example, based on the data collected in Shandong Province, the proposed method is used to evaluate the performance of social service made by the colleges in the Province. Simulation results show that the proposed method outperforms the existing SVM ensemble methods in the sense of classification performance.%为了进一步提高SVM集成的泛化能力,提出了基于Choquet模糊积分的SVMs集成方法,综合考虑各个子SVM输出重要性,避免了现有SVM集成方法中忽略次要信息的问题.应用该方法,以高校的区域经济贡献度为例进行仿真试验,结果表明基于Choquet模糊积分的SVMs集成方法较基于Sugeno模糊积分SVMs集成方法和基于投票策略的SVMs集成方法具有更高的准确性.该方法是可行、有效的,具有一定的推广价值.【期刊名称】《工业工程》【年(卷),期】2012(015)002【总页数】5页(P66-70)【关键词】Choquet模糊积分;支持向量机集成;综合评价【作者】倪渊;林健【作者单位】北京航空航天大学经济管理学院,北京100191;清华大学教育研究院,北京100084【正文语种】中文【中图分类】TP181;F224支持向量机(SVM)作为一项数据挖掘的新技术，在解决小样本、非线性的识别问题中具有独特的优势。

诊断汽轮发电机组振动故障的一种模糊聚类分析方法

ｈｏｄｆｒｇｏｓａａｇｏｏｅｒｕｎｄ．
Ｋｅｒ：ｕｒ－ｅｅａｏ；ｕｚｌｓｅｉｇ；ａｌｙｄａｎｓｙｗｏｄｓｔｂｏｇｎｒｔｒｆｚｙｃｕｔｒｎｆｕｔｉｇｏｉｓ
Ａｕｚｕｔｒｎｔｏｏｕｂ —ｅｅａｏｂａｉｎＦｕｔａｎｓｓＦｚｙＣｌｓｅｉｇＭｅｈｄｆｒＴｒｏｇｎｒｔｒＶｉｒｔｏａｌＤｉｇｏｉｙ
ＺＮＧＢ．ｅＳＮＣｉｉ，ＯｉＺＯＵＹｎｃｕＨＡｉ，Ｕａ．ｎＵＪａｄｘｎ，Ｈｉ．ｈｎ
ｒ
ｌ
：
０前
言
ｔｌ一
１２模糊等价矩阵的确定．
ｌ㈣ ‘
汽轮发电机组的振动故障具有多样性、杂性的特点，复对它们进行正确、面的识别具有一定程度的困难。国内外全有效的故障提
断汽轮发电机组振动故障，有良好的应用前景。具关键词：汽轮发电机组；糊聚类；障诊断模故
分类号：Ｍ３Ｔ１１文献标识码：Ａ文章编号：０１５８（０２０４２９）１０ —８４２０）５）８４３
（ｈｎｑｎｎｖｒｔ，Ｃｏｇｉｇ４０４ＣｉａＣｏｇｉｇＵｉｅｓｙｈｎｑｎ００４，ｈｎ）ｉ
ＡｂｔａｔＴｈｓｐｐｒｉｔｏｕｅｕｚｌｓｅｎｔｏｎｔｒｏｅｅａｏｉｒｔｎｆｕｔｉｇｏｉ．Ｔｈｌｓｆｄｓｍ— ｓｒｃ：ｉａｅａｒｃｓａｆｚｙｃｕｔｒｇｍｅｈｄｉｕｂｇｎｒｔｒｖｂａｉａｌｙｄａｎｓｓｄｉｏｅｃａｓｉａｅｐｅｓｃｍｐｓｄｏｔｎａｄｆｕｔａｌｓａｄｃｅｋｄｓｐｅ．ＴｅｉｉａｏｔｓａｑｉｅｙｆｚｙｅｕｖｅｔｔｉｄｉｓｉｏｏｅｆｓａｄｒａｙｓｍｐｅｈｃｅａｌｓｈｎｔｌｓｒｉｃｕｒｄｂｚｑｉａｎｒｘａｌｎｍｉｕｌｍａｎＦｓａｓｃ－ｔｔｔ．Ａｔｔｅｓｍｅｔｉｉｈａｉｍｅ．ｔｅｉｔｔｒｔｖｔｘｆｒｔｅｆｚｙｃｍｅｓｉａｓｃｕｒｄＳｔｇｔｔｅｍｏｔｏｔｚｈｎｉｉａｉｅｍａｒｏｈｕｚ — ａｓｌｏａｑｉｅ．ｏｉｅｓｈｓｐｍｉｅｌａｅｉｎｉ

基于大数据的水轮发电机组振动区修复

基于大数据的水轮发电机组振动区修复
邱志勤
【期刊名称】《水电与抽水蓄能》
【年(卷),期】2022(8)6
【摘要】针对二滩水电站各机组在靠近振动区运行时工况欠佳问题,利用大数据分析方法,借助R语言数据分析平台,对二滩水电站水轮发电机组稳定运行数据进行了深度地挖掘和分析,界定了机组稳态运行工况下各部位振动幅值边界,并对机组振动
区进行了精准修复,大大提升了机组的运行可靠性,保证了机组的长期安全稳定运行。

【总页数】5页(P90-94)
【作者】邱志勤
【作者单位】雅砻江流域水电开发有限公司
【正文语种】中文
【中图分类】TV736
【相关文献】
1.海甸峡水电站水轮发电机组振动区测试及分析
2.基于非线性振动的水轮发电机组振动噪声分析
3.水轮发电机组振动区特性分析
4.基于尾水补气对改善毛家河水电
站水轮发电机组振动区的探讨5.基于大数据的水轮发电机组运行振动分析
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊聚类分析的燃气轮机振动故障诊断研究

诊断效率与诊断精度。
障征兆也可能对应多种故障原因，这就使得燃气轮机故障征兆和故障原因之间存在很强的模糊性逻辑关系。
对海上石油作业区的某型号燃气轮机的振动故
１模糊聚类分析在燃气轮机故障诊断中的应用
燃气轮机压气机喘振轴径和轴承偏心
轴承在水平和垂直方
～一一～一一～一一一～一一～一一～一一～一
障有转子不平衡、转子不对中、转子弯曲、压气机喘
振等。在系统性研究国内外故障诊断专家成果的基础上，结合ＭｅｈｅｒｗａｎＰ．Ｂｏｙｃｅ撰写的燃气轮机工程手册对燃气轮机常见振动故障的总结Ｊ，并依据振动故障征兆相似度（故障振动频谱信息），对振动特征
通过频谱分析，对各类振动故障原因的主导频
作者简介：王文祥（１９６５一），男，河南人，高级工程师，学士，从事海洋石油机械工程设计，Ｅ — ｍａｉｌ：３７９４７１０２７＠ｑｑ．ｃｏｎ。ｒ
第３期
基于模糊聚类分析的燃气轮机振动故障诊断研究
值，则该转子出现振动故障，通过对国内外燃气轮机
振动故障案例的统计，得出常见的燃气轮机振动故
色，为避免燃气轮机运行故障所开展的故障诊断
与治理维护越来越受到科研人员的重视。然而作为结构复杂的大型高速旋转机械，在对其进行振

模糊理论在水电机组振动故障诊断系统中的应用

０引言
力等）携带了有关机器状态的丰富信息。经典的诊
断方法是通过信息的处理，时域和频域上得到反从
反映水力机组运行状态的主要参数有温度、振映不同物理意义的特征参数（均值、度、如幅自相关。然而，这些参数来识别和评价机器所处用动、度、转子电流、摆定电压等，在很多水电厂的监函数等）但控系统和诊断系统中却没有设置振动与摆度的监测的状态或故障存在着不确定现象，种不确定现象这和故障诊断系统或者系统功能设置不全。实时在线主要表现在随机性和模糊性２个方面。在复杂设备故监测系统只能提供直观的参数，旦机组发生故障，或系统的故障诊断中，障原因和征兆之间大多不一监｛系统不能直接给出故障发生的原因、位以及是一一对应关系，贝０部从而导致诊断决策时出现了多义
２ＨｎｎＥｅｔｃＰｗｒＲｓａｃｎｔｕｅＺｅｇｈｕ４０５，ｈｎ）．ｅａｌｃｉｏｅｅｅｒｈＩｓｔｔ，ｈｎｚｏ５０２Ｃｉａｒｉ
摘
要：振动是影ｖ向水力机组正常运行和危害机组寿命的主要故障。论述了模糊理论在水力机组振动故障
秦建明，范鑫吴杰，ＱＮＪａ．ｎ。ＷＵＪＦＮＸｎＩｉｎｍｉｇ，ｉ，Ａｉｅ
（．１河南工业大学电气工程学院，河南郑州４００；．５０７２河南电力试验研究院，河南郑州４０５）５０２

基于专家系统的水电机组振动故障诊断研究

!!!!!!!!!!!!!"
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!"
英国农作物研究所 J’7" K45&) 教授一行访问我校
应我校生命科学与技术学院中英联合实验室的邀 F 月 LM 日，请，英国农作物研究所（ N!>O） J’7" K45&) 教授及 <#+’" P’).%3 博士访问我校并为生命学院师生作了有关 “植物和病原体相互作用的研究进展” 及 “植物病原体分子检测的研究进展” 的学术报告 8 学校有关部门负责人还同客人进行了座谈，双方同意在相关领域进行实质性的合作 8
规则后加 “ 3” 标示，不成立的规则，加 “ :” 标示 $ 这样，系统自动维护已经匹配了的规则，将排除那些已经确定成立或者不成立的规则，使得继续推理（比如进行反向推理）时只要求用户提供系统需要的信息 $ 这种维护允许用户以任意的顺序、次数使用这两种推理方式，并将两种推理方式得出的结论组合在一起，显示给用户 $ 反向推理时，系统提供了能诊断任意指定的故障的功能，用户可以通过浏览（ >56?80 命令）所有的故障，找到想要诊断的故障序号，直接输入该序号，系统会询问是否要诊断该序号对应的故障，回答 “是” 之后，即可诊断该故障，之后可以继续诊断，也可以退出诊断 $ 最后的诊断结果包括被诊断数据时间、诊断操作时间、机组工况（包括有功功率、转速、导叶开度、水头）、诊断结果列表（包括故障名称、可信度）、诊断结果解释（该故障是怎样推理出来的）以及相应的故障处理意见 $
［%］利于在设计时调试系统 &
图#

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)。

ＺＨＡＮＧＢｉ — ｄｅ，ＴＩＡＮＹｕａｎ，ＺＯＵＪｉａｎｇ－ｐｉｎｇ，
Ｘｉｕ－ｆｅｎｇ，
Ｈｕａ－ｆｅｎｇ，ＬＯＮＧＬｉ
（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｉｒｎｇ，Ｘｉｈｕａｕｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｄｕ６１００３９，Ｃｈｉｎａ；
振
动
与
冲
击
第３２卷第１２期
ＪＯＵＲＮＡＬＯＦＶＩＢＲＡＴＩＯＮＡＮＤＳＨＯＣＫ
基于Ｃｈｏｑｕｅｔ模糊积分的水电机组振动故障诊断
张彼德，田源，邹江平，刘秀峰，吴华丰，隆力
（１．西华大学电气信息学院，四川成都６１００３９；２．中国国电集团电南桠河发电厂，四川雅安６２５０００）
ｅｒ，简称ＭＤＣ）与ＢＰ神经网络（ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ）组合成为ＳＷＮＢＣ＋ＭＤＣ＋ＢＰ的多分类器组合模型，以小波包提取的
相关频带能量作为输入特征向量，应用组合模型对水电机组故障进行诊断，采用模糊积分法来决定最终的故障类型。实验结果表明该模型相对于单一的分类器，能有效提高识别故障的精度。关键词：水电机组；故障诊断；加权贝叶斯；模糊积分
中图分类号：ＴＶ７３７源自文献标识码：ＡＶｉｂｒａｔｉｏｎｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆａＨｙｄｒｏ－ｇｅｎｅｒａｔｉｎｇｕｎｉｔｂａｓｅｄｏｎｃｈｏｑｕｅｔｆｕｚｚｙｉｎｔｅｇｒａｔｉｏｎ
ｏｂｔａｉｎａｎａｔｔｉｒｂｕｔｅｓｉｍｉｌａｒｉｔｙｗｅｉｇｈｔｅｄｎａｉｖｅＢａｙｅｓｃｌａｓｓｉｉｆｅｒ（ＳＷＮＢＣ）．Ｍａｈａｌａｎｏｂｉｓｄｉｓｔａｎｃｅｃｌａｓｓｉｉｆｅｒ（ＭＤＣ）ａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ（ＢＰ）ｗｅｒｅｃｏｍｂｉｎｅｄｔｏｆｏｒｍａｍｏｄｅｌｏｆｍｕｌｔｉ — ｃｌａｓｓｉｉｆｅｒｃｏｍｂｉｎａｔｉｏｎＳＷＮＢＣ＋ＭＤＣ＋ＢＰ．Ｔｈｅｒｅｌａｔｅｄ
摘要：为提高水电机组故障诊断的准确性，提出了基于Ｃｈｏｑｕｅｔ模糊积分融合的多分类器组合故障诊断方法，
对朴素贝叶斯分类器进行了基于属性相似度的加权改进，得到基于属性相似度的加权朴素贝叶斯分类器（ＡｔｔｒｉｂｕｔｅＳｉｍｉ — ｌａｒｉｔｙＷｅｉｇｈｔｅｄＮａｉｖｅＢａｙｅｓＣｌａｓｓｉｉｆｅｒ，简称ＳＷＮＢＣ），并应用基于Ｍａｈａｌａｎｏｂｉｓ距离的分类器（ＭａｈａｌａｎｏｂｉｓＤｉｓｔａｎｃｅＣｌａｓｓｉｆｉ —
２．ＮａｎＹａＲｉｖｅｒＰｏｗｅｒｐｌａｎｔＣｈｉｎａＧｕｏｄｉａｎＣｏｒｐｏｒａｔｉｏｎ，Ｙａａｎ６２５０００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎｅｗｍｅｔｈｏｄｏｆａｈｙｄｒｏ — ｇｅｎｅｒａｔｉｎｇｕｎｉｔｖｉｂｒａｔｉｏｎｆａｕｌｔｄｉａｇｎｏｓｉｓｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎＣｈｏｑｕｅｔｉｎｔｅｇｒａｔｉｏｎａｎｄａｃｏｍｂｉｎｅｄｍｕｌｔｉ — ｃｌａｓｓｉｉｆｅｒｔｏｉｍｐｒｏｖｅｆａｕｌｔｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙ．ＴｈｅｎａｉｖｅＢａｙｅｓｃｌａｓｓｉｉｆｅｒｗａｓｉｍｐｒｏｖｅｄｔｏ
ｆｒｅｑｕｅｎｃｙｂａｎｄｅｎｅｒｇｙｅｘｔｒａｃｔｅｄｗｉｔｈｗａｖｅｌｅｔｐａｃｋｅｔｗａｓｔａｋｅｎａｓａｎｉｎｐｕｔｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃｔｏｒ，ｔｈｅｃｏｍｂｉｎｅｄｍｕｌｔｉ —