本文選題：GIS　切入點：機械故障診斷　出處：《山東大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著我國科學(xué)技術(shù)的快速發(fā)展,對于現(xiàn)代電力的要求越來越高。近年來,伴隨著電壓等級的不斷提高,對電能質(zhì)量的可靠性也提出了更高的要求。SF6氣體絕緣金屬封閉式組合電器(GIS)由于具有占地面積小、可靠性高等特點,成為電力系統(tǒng)的重要組成部分。但近年來,隨著國民用電的進一步提高,電網(wǎng)故障事故頻發(fā),而GIS作為重要環(huán)節(jié),一旦出現(xiàn)故障就可能造成大規(guī)模的停電事故,致使電網(wǎng)損失慘重。所以,保證GIS的安全運行利國利民。本文致力于研究GIS兩種常見的機械故障,最關(guān)鍵的是從振動信號中提取對應(yīng)故障的特征信息。對變分模態(tài)分解(VMD)算法的基本原理進行詳細(xì)說明,針對它的參數(shù)不易確定的特性,提出了運用混沌布谷鳥算法優(yōu)化VMD參數(shù)的方法。并通過測試函數(shù)對標(biāo)準(zhǔn)布谷鳥優(yōu)化算法和混沌布谷鳥優(yōu)化算法進行仿真對比,驗證了混沌布谷鳥優(yōu)化算法無論是收斂性還是搜索速度上均優(yōu)于標(biāo)準(zhǔn)布谷鳥優(yōu)化算法。以實驗室仿真GIS試驗段作為研究對象,構(gòu)造螺絲松動和金屬微粒振動兩種常見GIS故障,提出了一種基于混沌布谷鳥算法優(yōu)化VMD參數(shù)的GIS機械故障診斷方法,首先運用混沌布谷鳥算法優(yōu)化VMD參數(shù);然后對GIS正常振動信號和故障信號進行VMD分解,提取不同故障類型信號的特征向量;最后通過線性遞減權(quán)重PSO優(yōu)化的K-means聚類算法對訓(xùn)練樣本特征向量集進行聚類,得到不同的聚類中心,再利用最小歐氏距離原則對測試樣本特征向量集進行識別,實現(xiàn)GIS機械故障的診斷�；诶碚撗芯颗c仿真分析結(jié)果,本文以VMD算法為核心設(shè)計了一套軟硬件完備的基于異常振動分析的GIS機械故障在線監(jiān)測系統(tǒng)。其硬件部分主要包含數(shù)據(jù)采集模塊、信號輸出模塊以及信號分析模塊,數(shù)據(jù)采集模塊主要負(fù)責(zé)采集GIS振動信號;信號輸出模塊以數(shù)據(jù)采集卡為主體,實現(xiàn)數(shù)據(jù)的A/D轉(zhuǎn)換功能;信號分析模塊則是數(shù)據(jù)經(jīng)采集卡導(dǎo)入微機處理,最終實現(xiàn)信號特征提取。軟件部分則以VMD算法為核心,實現(xiàn)GIS常見故障的特征提取,本文還添加了數(shù)據(jù)存儲和數(shù)據(jù)檢索模塊,極大地豐富了軟件的功能及其擴展性。本文利用現(xiàn)場實際運行的GIS作為振動源對開發(fā)的基于異常振動分析的GIS機械故障診斷系統(tǒng)進行整體測試。檢測發(fā)現(xiàn):當(dāng)GIS出現(xiàn)異常的機械振動時,診斷系統(tǒng)VMD熵值往往異常正常值,并且變化明顯,彌補了傳統(tǒng)超高頻和超聲波無法有效檢測低頻機械信號的不足,驗證了本文構(gòu)建的基于異常振動分析的GIS機械故障系統(tǒng)的有效性。
[Abstract]:With the rapid development of science and technology in China, the demand for modern power is becoming higher and higher. Higher requirements for reliability of power quality. SF6 gas insulated metal enclosed composite electrical apparatus (GISs) has become an important part of power system because of its small area and high reliability. With the further improvement of national power consumption, power grid failures occur frequently, and GIS, as an important link, may cause large-scale power outages once they occur. This paper is devoted to the study of two common mechanical faults of GIS, the most important of which is to extract the characteristic information of the corresponding faults from the vibration signal. The basic principle of the variational mode decomposition (VMD) algorithm is explained in detail. In view of the difficulty of determining its parameters, a method of optimizing VMD parameters by using chaotic cuckoo algorithm is proposed, and the standard cuckoo optimization algorithm and chaotic cuckoo optimization algorithm are simulated and compared by testing function. It is verified that the chaotic cuckoo optimization algorithm is superior to the standard Cuckoo optimization algorithm in terms of convergence and search speed. Taking the laboratory simulation GIS test section as the research object, the construction screw loosening and metal particle vibration are two common GIS faults. This paper presents a GIS mechanical fault diagnosis method based on chaotic cuckoo algorithm to optimize VMD parameters. Firstly, chaotic cuckoo algorithm is used to optimize VMD parameters, and then GIS normal vibration signal and fault signal are decomposed by VMD. The feature vectors of different fault types are extracted. Finally, different clustering centers are obtained by using K-means clustering algorithm optimized by linear decrement weight PSO to cluster the feature vector sets of training samples. Then using the principle of minimum Euclidean distance to identify the characteristic vector set of test samples to realize the diagnosis of GIS mechanical fault, based on the theoretical research and simulation analysis results, Based on the VMD algorithm, this paper designs a complete GIS mechanical fault on-line monitoring system based on abnormal vibration analysis, which includes data acquisition module, signal output module and signal analysis module. The data acquisition module is mainly responsible for collecting the GIS vibration signal, the signal output module takes the data acquisition card as the main body, realizes the A- / D conversion function of the data, the signal analysis module is the data through the acquisition card to import the microcomputer processing, Finally, the signal feature extraction is realized. The software part uses VMD algorithm as the core to realize the feature extraction of common faults of GIS. This paper also adds the module of data storage and data retrieval. The function and extensibility of the software are greatly enriched. In this paper, the GIS mechanical fault diagnosis system based on abnormal vibration analysis is tested by using the field running GIS as the vibration source. When abnormal mechanical vibration occurs, The VMD entropy value of diagnostic system is often abnormal, and the change is obvious, which makes up for the deficiency that the traditional UHF and ultrasonic can not detect the low frequency mechanical signal effectively. The validity of the GIS mechanical fault system based on abnormal vibration analysis is verified.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TM595

【相似文獻】

相關(guān)期刊論文 前10條

1 程中學(xué);;機械故障中的誤診處理[J];職業(yè);2012年26期

2 汪立泉;用簡易聽診器判斷機械故障[J];工程機械與維修;2000年10期

3 閆成福;冬季工程機械故障五例[J];工程機械;2003年10期

4 朱其順;機械故障分析及應(yīng)對措施[J];礦業(yè)工程;2005年04期

5 王科;談?wù)勵A(yù)防工程機械故障的幾點措施[J];隧道建設(shè);2005年04期

6 薛子云;;組合模型在機械故障預(yù)測中的應(yīng)用[J];北京工商大學(xué)學(xué)報(自然科學(xué)版);2008年04期

7 劉濤;史雷鳴;;如何有效地診斷與維修發(fā)動機常見的機械故障[J];漯河職業(yè)技術(shù)學(xué)院學(xué)報;2008年05期

8 孫珍娣;;概述工程機械故障的現(xiàn)場檢測與維修[J];化學(xué)工程與裝備;2009年06期

9 姜蘭;;機械故障的形成及其特性分析[J];青�？萍�;2011年03期

10 吳文萍;;機械故障管理中的統(tǒng)計分析探討[J];科技風(fēng);2012年07期

相關(guān)會議論文 前4條

1 王立勇;徐小力;趙二輝;;基于相位檢測的往復(fù)機械故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

2 何正嘉;訾艷陽;陳雪峰;李兵;張周鎖;袁靜;;機械故障預(yù)示中的若干科學(xué)問題[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

3 孫玉濤;;XJM系列浮選機常見機械故障診斷與排除[A];2014年全國選煤學(xué)術(shù)交流會論文集[C];2014年

4 吳定才;;車輛視情維修中機械故障分析與研究[A];2005年“南駿杯”汽車學(xué)術(shù)年會論文集[C];2005年

相關(guān)重要報紙文章 前6條

1 林黎民;屈梁生：機械故障不停機快速診斷[N];科技日報;2004年

2 山東 王錫濤;罩極式電風(fēng)鼓機械故障的診斷與維修[N];電子報;2004年

3 ;如何降低機械故障引起的次品？[N];中國紡織報;2014年

4 本報記者 黃偉;“機械故障”背后是責(zé)任缺失[N];新華日報;2013年

5 ;粉碎機常見問題以及解決辦法[N];山西科技報;2010年

6 �？》�;強軍路上要防“幽靈擁堵”[N];中國國防報;2013年

相關(guān)博士學(xué)位論文 前2條

1 潘明清;基于支持向量機的機械故障模式分類研究[D];浙江大學(xué);2005年

2 陳向民;基于形態(tài)分量分析和線調(diào)頻小波路徑追蹤的機械故障診斷方法研究[D];湖南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前9條

1 邢敬;GIS機械故障振動檢測技術(shù)研究[D];沈陽工程學(xué)院;2016年

2 侯焰;基于異常振動分析的GIS機械故障診斷技術(shù)研究[D];山東大學(xué);2017年

3 尹煥;基于ISOMAP的機械故障診斷方法研究與應(yīng)用[D];華南理工大學(xué);2012年

4 王金磊;基于振動測試的機械故障定性及定位方法研究[D];內(nèi)蒙古科技大學(xué);2012年

5 葉曉斌;基于灰色系統(tǒng)理論和神經(jīng)網(wǎng)絡(luò)的機械故障預(yù)測模型及其應(yīng)用[D];重慶大學(xué);2012年

6 劉衛(wèi)兵;基于局域均值分解的機械故障診斷方法研究[D];鄭州大學(xué);2010年

7 吳睿;基于LabVIEW和HHT的機械設(shè)備狀態(tài)監(jiān)測研究[D];昆明理工大學(xué);2012年

8 涂靖之;基于變分貝葉斯隱Markov模型的機械故障診斷方法研究[D];南昌航空大學(xué);2013年

9 王心怡;基于核函數(shù)方法的機械故障診斷方法研究[D];鄭州大學(xué);2008年

，

本文編號：1606305