基于小波包分析及神经网络的汽轮机转子振动故障诊断

第２４卷第６期２００７年１２月

文章编号：１０００—８１５２（２００７）０６—０９８１—０５

控制理论与应用

ＣｏｎｔｒｏｌＴｈｅｏｒｙ＆Ａｐｐｌｉｃａｔｉｏｎｓ

、，０１．２４ＮＯ．６

Ｄｅｃ．２００７

基于小波包分析及神经网络的汽轮机转子振动故障诊断

梁平１，白蕾１，龙新峰２，范立莉３

（１．华南理工大学电力学院，广东广州５１０６４０；２．华南理工大学化工与能源学院，广东广州５１０６４０；

３．广东电网公司电力科学研究院，广东广州５１０６４０）

摘要：根据Ｂｅｎｆｌｙ实验台所采集的碰摩、松动、不对中、不平衡４种典型汽轮机转子振动故障信号，运用小波包分析方法对其进行能量分析并提取故障特征．分析结果表明：小波包分析与信号能量分解的故障特征提取方法。可以获得汽轮机转子振动的故障状态，有较好的故障区分度；另外由于经过小波包分解再重构后所提取的故障特征参数浓缩了汽轮机转子振动故障的全部信息，而ＢＰ神经网络具有优良的非线性映射能力，对提取的故障特征参数应用ＢＰ神经网络映射，可对汽轮机转子振动故障进行进一步的诊断．诊断结果表明：基于小波包分析及神经网络的故障诊断方法，具有较高的故障识别能力．

关键词：小波包分析；汽轮机转子；故障诊断；特征提取；ＢＰ神经网络中图分类号：ＴＫ２６８．＋１

文献标识码：Ａ

Ｔｕｒｂｉｎｅｒｏｔｏｒｖｉｂｒａｔｉｏｎｆａｕｌｔｓｄｉａｇｎｏｓｉｓ

ｂａｓｅｄ

０ｎ

ｗａｖｅｌｅｔｐａｃｋｅｔａｎａｌｙｓｉｓａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋ

ＬＩＡＮＧＰｉｎ９１。ＢＡＩＬｅｉｌ，ＬＯＮＧＸｉｎ—ｆｅｎ９２，ＦＡＮＬｉ—ｌｉ３

（１．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃｉｔｙＰｏｗｅｒ＇ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５１０６４０，Ｃｈｉｎａ；

２．ＣｏｌｌｅｇｅｏｆＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｎｅｒｇｙ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５

３．Ｅｌｅｃｔｒｉｃ

ＰｏｗｅｒＲｅｓｅａｒｃｈ

１０６４０，Ｃｈｉｎａ；

Ｉｎｓｔｉｔｕｔｅｏｆ

Ｇｕａｎｇｄｏｎｇ

Ｐｏｗｅｒ

Ｇｒｉｄ，ＧｕａｎｇｚｈｏｕＧｕａｎｇｄｏｎｇ５１０６００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＡｃｃｏｒｄｉｎｇｔＯｔｈｅｆｏｕｒｔｙｐｉｃａｌｆａｕｌｔｓｉｇｎａｌｓｏｆｔｕｒｂｉｎｅｖｉｂｒａｔｉｏｎｉｎｃｌｕｄｉｎｇｒｕｂｂｉｎｇ，ｌｏｏｓｉｎｇ，ｍｉｓａｌｉｇｎｍｅｎｔａｎｄ

ａｒｅ

ｍａｓｓｕｎｂａｌａｎｃｅｃｏｌｌｅｃｔｅｄｆｒｏｍｔｈｅＢｅｎｔｌｙｅｘｐｅｒｉｍｅｎｔｔａｂｌｅ，ｅｎｅｒｇｙａｎａｌｙｓｉｓａｎｄｓｙｍｐｔｏｍｅｘｔｒａｃｔｉｏｎ

ｗａｖｅｌｅｔｐａｃｋｅｔａｎａｌｙｓｉｓ．Ｔｈｅｒｅｓｕｌｔｓｏｆ

ｃａｒｒｉｅｄｏｕｔ

ｂｙ

ａｎａｌｙｓｉｓ

ｉｎｄｉｃａｔｅｔｈａｔ

ｒｏｔｏｒ

ｓｙｍｐｔｏｍｅｘｔｒａｃｔｉｏｎｂｙｗａｖｅｌｅｔｐａｃｋｅｔａｎａｌｙｓｉｓａｎｄｅｎｅｒｇｙ

ｄｅｃｏｍｐｏｓｉｔｉｏｎ

ｃａｎｏｂｔａｉｎｔｈｅｆａｕｌｔｓｓｔａｔｅｏｆｔｕｒｂｉｎｅ

ｖｉｂｒａｔｉｏｎ，ｐｏｓｓｅｓｓｂｅｔｔｅｒｄｉｆｆｅｒｅｎｔｉａｔｉｏｎｃａｐａｂｉｌｉｔｙｏｆｆａｕｌｔｔｙｐｅｓ．

Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｆａｕｌｔ

ｓｙｍｐｔｏｍｐａｒａｍｅｔｅｒｓｅｘｔｒａｃｔｅｄｂｙｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎａｎｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎｃｏｎｄｅｎｓｅｔｈｅ

ｒｏｔｏｒ

ｗｈｏｌｅｉｎｆｏｒｍａｔｉｏｎｏｆｔｕｒｂｉｎｅｖｉｂｒａｔｉｏｎ

ｆａｕｌｔｓ，ａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｐｏｓｓｅｓｓｅｓｇｏｏｄ

ｃａｎ

ｎｏｎ—ｌｉｎｅａｒｍａｐｐｉｎｇｃａｐａｂｉｌｉｔｙ．Ｆｏｒ

ｒｏｔｏｒ

ｔｈｅｓｅｓｙｍｐｔｏｍｐａｒａｍｅｔｅｒｓ，ａｐｐｌｙｉｎｇＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍａｐｐｉｎｇ

Ｔｈｅｒｅｓｕｌｔｓｏｆ

ｄｉａｇｎｏｓｅｔｈｅｔｕｒｂｉｎｅ

ｏｎ

ｖｉｂｒａｔｉｏｎｆａｕｌｔｓｆｕｒｔｈｅｒ．

ｄｉａｇｎｏｓｉｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｆａｕｌｔｓｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｂａｓｅｄｗａｖｅｌｅｔｐａｃｋｅｔａｎａｌｙｓｉｓａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓ

ｂｅｔｔｅｒｆａｕｌｔｓｉｄｅｎｔｉｆｉｃａｔｉｏｎｃａｐａｂｉｌｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ｗａｖｅｌｅｔｐａｃｋｅｔａｎａｌｙｓｉｓ；ｔｕｒｂｉｎｅｒｏｔｏｒ；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｓ …… 此处隐藏：8471字，全部文档内容请下载后查看。喜欢就下载吧 ……