資源描述：
《基于小波包分析和信息融合技術(shù)的汽輪機(jī)轉(zhuǎn)子故障診斷.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第52卷第4期汽輪機(jī)技術(shù)Vol_52No．42010年8月TURBINETECHNOLOGYAug．2010基于小波包分析和信息融合技術(shù)的汽輪機(jī)轉(zhuǎn)子故障診斷谷敬佩，梁平(華南理工大學(xué)電力學(xué)院，廣州510640)摘要：根據(jù)Bently實(shí)驗(yàn)臺(tái)所采集的不平衡、不對(duì)中、碰摩、松動(dòng)4種典型汽輪機(jī)轉(zhuǎn)子振動(dòng)故障信號(hào)，運(yùn)用小波包分析方法對(duì)其進(jìn)行分析并提取故障特征。將提取的故障特征作為D—S證據(jù)理論的識(shí)別框架，利用信息融合技術(shù)對(duì)汽輪機(jī)轉(zhuǎn)子振動(dòng)故障進(jìn)行診斷。診斷結(jié)果表明：基于小波包分析和信息融合技術(shù)的故障診斷方法，能提高故障診斷的準(zhǔn)確性。關(guān)鍵詞：小波包分析；D—S證據(jù)
2、理論；信息融合；故障診斷分類號(hào)：TK268．1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001—5884(2010)04-0300-03TurbineRotorVibrationFaultsDiagnosisBasedonWaveletPacketAnalysisandInformationFusionTechnologyGUJing—pei，LIANGPing(CollegeofElectricityPower，SouthChinaUniversityofTechnology，Guangzhou510640，China)Abstract：Accordingtot
3、hefourtypicalfaultsignalsofturbinevibrationincluding：massunbalance，misalignment，rubbingandloosingfromtheBentlyexperimenttable，analysisandsymptomextractionarecarriedoutbywaveletpacketanalysis．ThefaultsymptomparametersextractedbywaveletpacketcomposetheframeworkoftheD·Sevidenceth
4、eory；getturbinerotorvibrationfaultstypesbytheinformationfusiontechnology．Theresultsofdiagnosisindicatethatthefaultsdiagnosismethodbasedonwaveletanalysisandinformationfusiontechnologycanimprovetheaccuracyoffaultdiagnosis．Keywords：waveletpacketanalysis；D-Stheory；informationfusio
5、n；faultdiagnosis其它途徑的信息，能更加準(zhǔn)確、全面地認(rèn)識(shí)和描述診斷對(duì)象，0前言從而對(duì)復(fù)雜的故障診斷做出正確的判斷和決策。若將小波包分析和信息融合技術(shù)相結(jié)合，必然能夠提高對(duì)汽輪機(jī)狀電力工業(yè)快速發(fā)展、高參數(shù)大容量火電機(jī)組陸續(xù)投入運(yùn)態(tài)識(shí)別的準(zhǔn)確性。行，使得結(jié)構(gòu)和系統(tǒng)日趨復(fù)雜化。由于設(shè)備結(jié)構(gòu)的復(fù)雜性以及運(yùn)行環(huán)境的特殊性，汽輪發(fā)電機(jī)組的故障率較高，而且故1小波包分解障危害性也大。所以汽輪機(jī)的故障預(yù)測(cè)及診斷問題歷來受1．1小波包原理到有關(guān)的研究機(jī)構(gòu)、企業(yè)和管理部門的高度重視，是現(xiàn)代故障診斷技術(shù)應(yīng)用的一個(gè)重要方面?。汽輪機(jī)轉(zhuǎn)子振動(dòng)信號(hào)小波包分析方法
6、能將信號(hào)頻帶進(jìn)行多層次劃分，能同時(shí)對(duì)各分解層的高頻和低頻部分進(jìn)行分解，為信號(hào)提供了一種提供了豐富的故障征兆信息。如何準(zhǔn)確、全面地提取征兆信更加精細(xì)的分析方法。離散信號(hào)按小波包基展開時(shí)，包含低息，對(duì)于故障類型的確定，故障發(fā)展趨勢(shì)的預(yù)測(cè)及汽輪發(fā)電通濾波與高通濾波兩部分，每一次分解就將上層+1的第n機(jī)組的狀態(tài)檢修都具有重要的意義。個(gè)頻帶進(jìn)一步分割變細(xì)為下層的第2n與2n+1兩個(gè)子頻帶。小波包分析能夠?qū)⑷魏涡盘?hào)(平穩(wěn)或非平穩(wěn))分解成一離散信號(hào)的小波包分解算法：個(gè)有小波伸縮而成的基函數(shù)組，信息量完整無缺，通過對(duì)分fd(，2n)=∑ak(+1，n)解信號(hào)在不同
7、尺度上的分解和重構(gòu)，能得到原信號(hào)在不同頻{(1)段上分布的詳細(xì)信息?！綿(，2n+1)=∑bk-ztd(+1，n)在故障診斷過程中，由于診斷對(duì)象運(yùn)行工況復(fù)雜，不存式中，a、b為小波包分解共軛濾波器系數(shù)。在對(duì)所有故障敏感的特征參量，而同一種故障現(xiàn)象又常常是小波包的重構(gòu)算法：幾種故障共同作用的結(jié)果。因此，故障的多樣性、不確定性d(+1，n)=∑[p一d(，2n)+qt-2kd(，2n+1)]和各種故障之問聯(lián)系的復(fù)雜性構(gòu)成了故障診斷的難點(diǎn)。基=曼證據(jù)理論的信息融金技術(shù)，融合多傳感器數(shù)據(jù)以及(2)收稿Et期：2010-01—18作者簡(jiǎn)介：谷敬佩(1983)
8、，女，華南理工大學(xué)碩士研究生，主要研究方向：能量傳遞控制與節(jié)能，汽輪機(jī)轉(zhuǎn)子振動(dòng)故障診斷。第4期谷敬佩等：基于小波包分析和信
