论文部分内容阅读
水电机组振动是水电机组最为常见的一类故障，对其进行故障诊断就是要从信号中获得故障信息。然而，传统的时频分析方法在处理复杂振动故障信号时存在一定的局限，己无法满足在线监测和故障诊断技术进一步发展的要求。因此，以现代信号处理方法为基础的水电机组振动故障诊断技术在保障电力系统稳定运行，防范事故发生具有重要的意义。
本文借鉴并发展Hilbert-Huang变换技术的研究成果，以Hilbert-Huang变换的精度控制和虚假分量筛选问题为研究对象，结合水电机组振动信号非线性非平稳等特点，利用数字降采样技术对振动故障信号进行前处理，克服差分运算和插值过程对采样频率要求的矛盾。针对虚假分量问题，首次提出能量波动法，构建波动阈值来跟踪、识别、重构虚假分量，解决了Hilbert-Huang变换理论存在的不足，完善了水电机组振动信号分析处理和故障特征的提取。
基于水电机组振动信号处理的结果，并考虑水电机组振动信号序列图形相似性分类比较的特点，开展了水电机组振动故障诊断模型的研究，采用频率模糊贴近度和相似性挖掘技术，从知识获取和学习的对象入手，通过比较图形相似性达到诊断目的。
在上述工作的基础上，进一步针对水电机组振动故障信号的特点，将Hilbert-Huang变换与相似挖掘算法相融合，首次提出多尺度经验模态分解(Empirical Model Decomposltlon，EMD)相似挖掘算法，建立基于多尺度EMD相似挖掘的水电机组振动故障诊断体系。在新疆塔尕克电厂2号机组取得的成果对机组性能和故障状态的评价具有有重要的指导意义和学术价值。