資源描述：
《類神經網路模式於汽渦輪發(fā)電機組振動故障訽斷》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、第十七屆中華民國振動與噪音工程學術研討會北臺灣科學技術學院中華民國九十八年六月六日thThe17NationalConferenceonSoundandVibration,Taipei,June6,2009類神經網路模式於汽渦輪發(fā)電機組振動故障診斷黃燕昌孫火清盧恆究正修科技大學電機工程系huangyc@csu.edu.tw摘要頻域分析法是將連續(xù)振動信號經傅立葉轉換，得到本文利用其與汽渦輪發(fā)電機組振動故障癥兆與常原始信號之幅值譜，經處理後可得自功率譜和對數譜。見故障種類間之特徵映射關係，提出自組織映射神經網頻譜分析可以分
2、析信號的能量（或功率）的頻率分佈，路模式，發(fā)展故障診斷系統(tǒng)。所提模式經由自組織方功率譜可指出信號頻譜圖的主要成份，對數譜能將次要式，利用單一故障樣本之輸入（振動頻譜特徵）與輸出的頻率成份顯示出來。因此，頻譜分析可於機組振動故（故障種類）之對應關係進行非監(jiān)督式學習與特徵映障中找尋振動源分析事故原因、發(fā)生位置、故障類型等射。最後，根據輸出神經元於輸出層之相對位置，可進方面具有廣泛應用價值。行多重故障之診斷。所提診斷模式實際測試於機組振動傅立葉轉換[2]是針對整個時域進行頻譜分析，無法資料並與現有方法比較，測試結果證明本診斷
3、系統(tǒng)具有反映信號於局部時間區(qū)域範圍內之頻率特徵。在機組振優(yōu)異之診斷性能。動故障診斷中，為避免錯誤診斷，有時需要應用時頻局關鍵詞：汽渦輪發(fā)電機組、振動故障診斷部分析法，一般包括短時傅立葉轉換和小波轉換[3]。短時傅立葉轉換是針對時域信號施加有限的時間滑動窗1.前言函數後，再進行傅立葉轉換。小波轉換具有多分辨率特性，可於時頻兩域表現出優(yōu)異的局部特徵，小波轉換比為維護電力系統(tǒng)設備之正常運轉，電力系統(tǒng)設備初傳統(tǒng)傅立葉轉換更適合處理具有非穩(wěn)態(tài)信號之頻率特期故障之預防診斷係相當重要的工作，尤其是系統(tǒng)中的性。大型汽渦輪發(fā)電機組。由於
4、機組間不同設備存在聯(lián)結軸因機組振動分析過程往往需要專家的參與，因此，緊密結合關係，若其中任何一設備或一零組件產生故診斷案例中的資料亦因而存在許多的不確定因素；此障，極有可能產生連鎖反應，使得整個機組無法正常運外，在現場測量與分析的過程中，所測得的振動資料也轉或造成機組進一步傷害，甚至導致電力系統(tǒng)大範圍的會有雜訊或誤差的情形。這些原因導致機組故障診斷停電，降低工業(yè)與住戶的用電品質與可靠度。中，振動資料與故障種類間存在非線性與複雜的不確定機組振動信號蘊含了設備運轉時所潛在之異?；蛐躁P係。在計算機輔助故障診斷決策系統(tǒng)中，為處
5、理這故障資訊，且將振動信號分析後所得之振動特徵是用以些不確定因素，人工智慧領域的技術可有效納入專家知評估設備運轉狀態(tài)之重要指標[1]。汽渦輪發(fā)電機組之振識，並解決非線性對應關係，以及存在誤差及雜訊等問動來源大致可分為電磁振動故障與機械振動故障。機組題。之電磁振動主要發(fā)生於發(fā)電機上，亦可能透過軸系傳遞人工智慧診斷方法是利用電腦軟體模擬人類智能至機組之其它部位。常見之電磁振動故障有：轉子繞組思考行為模式，可以充份將領域專家經驗直接應用於故匝間短路、定轉子間氣隙不均、定子繞組端部振動、轉障診斷中，進行快速決策、推論、學習與識
6、別等，同時子中心位置偏移、負載不平衡與電磁共振等。常見之機亦可將診斷知識應用於特性相同之待診對象，不受傳統(tǒng)械振動包括：轉子不對中、轉子不平衡、軸承鬆動、轉方法之限。應用於機組振動故障診斷之人工智慧方法包子碰摩、油膜振盪、蒸汽渦動等。括有：專家系統(tǒng)[4-7]、模糊理論[8-10]、類神經網路[8-12]汽渦輪發(fā)電機組之振動是由機械與電磁等因素相等。互作用之結果，若同時對各方面原因引起之故障進行振專家系統(tǒng)是目前人工智慧的方法中應用的最廣，也動研究是一高難度之議題。國內外之研究現況絕大部份最成功的技術，在電力系統(tǒng)上的應用亦相
7、當廣泛。專家集中於機械原因引起故障之研究，對於電磁原因所引起系統(tǒng)的建立在促使機組振動診斷工作自動化方面，具有之故障則相當少，其原因為電磁振動所致之振動故障型相當多的貢獻[4-7]。但專家系統(tǒng)須蒐集正確而完整的知式一般可利用電量和其它相關量就可得到滿意之結識，否則常存在無法得到推論結果的問題。再者，專家果。因此，本論文將以機械振動信號進行機組運轉狀況系統(tǒng)之推論完全藉由明確之診斷規(guī)則匹配方式，因此造之監(jiān)測與故障診斷。成推論過程不靈活，亦無法學習新的診斷規(guī)則。此外，汽渦輪發(fā)電機組振動故障診斷的信號處理方法因專家系統(tǒng)推論耗時，
8、無法滿足機組故障線上即時監(jiān)測有：時域分析、傅立葉分析、短時傅立葉分析及小波分與診斷之需。析等。時域分析是針對振動信號進行時域的統(tǒng)計特徵值於機組振動故障診斷中，經常出現振動過大，振動分析，此時域特徵值是故障診斷過程中判斷有無故障之隨負載增加而發(fā)生明顯變化等模糊診斷術語，而此類模重要指標。於機組故障診斷過程中，若時域各項指標與糊術語不
