本文關(guān)鍵詞：基于小波包與改進DE-ELM的汽輪機振動故障診斷研究

  更多相關(guān)文章： 振動故障 最優(yōu)小波包基 “小波包-能量譜” IMDE-ELM分類器

【摘要】：汽輪機是發(fā)電廠在生產(chǎn)過程中的重要部件,主要被用作生產(chǎn)過程中的熱力發(fā)動機,將煤燃燒后獲得的熱能轉(zhuǎn)換成為旋轉(zhuǎn)部件的機械能、進而經(jīng)發(fā)電機轉(zhuǎn)換成為電能。其高效且穩(wěn)定的工作是電廠中經(jīng)濟生產(chǎn)的重中之重。伴隨著電廠設(shè)備不斷地向大機組、高參數(shù)的方向去發(fā)展,設(shè)備的復(fù)雜程度與自動化水平也日益增高。因此,為確保設(shè)備安全運轉(zhuǎn),降低安全費用,提高設(shè)備使用率,必須采取有效的方法對汽輪機組進行狀態(tài)檢測與故障診斷。本文采用小波包分析的方法,對于汽輪機的振動信號包含大量的突變和短時沖擊成分的特點對典型的去噪方法實施改進,采用基于Shannon熵的最優(yōu)小波包結(jié)合不同的頻段閾值選取的方式對振動信號進行去噪處理,取得了良好的效果。并利用“小波包—能量譜”的方法對去噪后的信號進行了分解,并把各個頻段的節(jié)點單獨的進行重構(gòu)獲得重構(gòu)數(shù)據(jù)的能量,并進行歸一化處理得到振動信號的振動征兆,構(gòu)建出汽輪機振動故障的特征。極限學(xué)習(xí)機相比其他的分類網(wǎng)絡(luò)具有速度快且泛化能力好的優(yōu)勢,但它的輸入權(quán)值與隱含層偏置是進行隨機選取的,并不能確保其最優(yōu),所以利用改進后差分進化算法(IMDE)的整體搜索與快速進化的優(yōu)點,對極限學(xué)習(xí)機進行了優(yōu)化,設(shè)計了IMDE-ELM分類器。依據(jù)汽輪機的振動故障特征表采用IMDE-ELM分類器模型對汽輪機的振動狀態(tài)進行訓(xùn)練與識別。通過Matlab軟件進行程序的編寫,并對診斷結(jié)果加以仿真對比。仿真結(jié)果表明：IMDE-ELM模型的診斷速度相比其他模型更快,且診斷精度可以達到100%。該模型可以被用作汽輪機振動狀態(tài)的識別與分類,為汽輪機的振動故障診斷研究提供了堅實的理論基礎(chǔ)。
【關(guān)鍵詞】：振動故障 最優(yōu)小波包基 “小波包-能量譜” IMDE-ELM分類器
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM621
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 課題的研究背景及意義8-9
• 1.2 汽輪機振動故障診斷研究現(xiàn)狀9-11
• 1.2.1 國外研究現(xiàn)狀9-10
• 1.2.2 國內(nèi)研究現(xiàn)狀10-11
• 1.3 本課題主要研究內(nèi)容11-13
• 第2章 汽輪機常見振動故障類型及特征13-18
• 2.1 汽輪機常見故障分類13-14
• 2.2 常見故障的機理及特征14-16
• 2.2.1 轉(zhuǎn)子不平衡故障14
• 2.2.2 轉(zhuǎn)子不對中故障14-15
• 2.2.3 油膜振蕩故障15
• 2.2.4 蒸汽渦動故障15-16
• 2.2.5 軸承座松動故障16
• 2.2.6 轉(zhuǎn)子徑向磨碰故障16
• 2.3 本章小結(jié)16-18
• 第3章 小波包在故障診斷中的應(yīng)用18-32
• 3.1 小波分析理論基礎(chǔ)18-19
• 3.1.1 傳統(tǒng)傅里葉分析18
• 3.1.2 小波分析理論基礎(chǔ)18-19
• 3.2 多分辨率分析19-20
• 3.3 小波包分析20-22
• 3.3.1 小波包定義20-21
• 3.3.2 小波包分解與重構(gòu)21-22
• 3.4 故障奇異點小波檢測22-23
• 3.5 母小波函數(shù)及其小波基的選擇23-27
• 3.5.1 母小波函數(shù)及其相應(yīng)基選擇的必要性23
• 3.5.2 常見小波母函數(shù)及其性質(zhì)23-26
• 3.5.3 小波(包)基的選擇26-27
• 3.6 最優(yōu)小波包基降噪27-30
• 3.6.1 傳統(tǒng)閾值的去噪方法分析27-28
• 3.6.2 最優(yōu)小波包基降噪28-30
• 3.7 小波包—能量譜法提取故障征兆30-31
• 3.8 本章小結(jié)31-32
• 第4章 IMDE-ELM故障分類器設(shè)計32-45
• 4.1 極限學(xué)習(xí)機概述32-34
• 4.1.1 極限學(xué)習(xí)機理論32-34
• 4.1.2 極限學(xué)習(xí)機的特征34
• 4.2 差分進化算法研究34-41
• 4.2.1 差分進化算法簡介34-36
• 4.2.2 差分進化算法的改進36-38
• 4.2.3 改進后差分進化算法的優(yōu)勢38-41
• 4.3 基于改進差分進化算法優(yōu)化的極限學(xué)習(xí)機41-43
• 4.3.1 極限學(xué)習(xí)機存在的問題41
• 4.3.2 IMDE-ELM及其步驟與流程41-43
• 4.4 IMDE-ELM的實驗驗證43-44
• 4.5 本章小結(jié)44-45
• 第5章 基于小波包與IMDE-ELM的汽輪機振動故障診斷45-51
• 5.1 仿真信號的獲取與驗證45-46
• 5.2 振動信號預(yù)處理46-47
• 5.3 故障信號的特征提取47-48
• 5.4 故障信號的訓(xùn)練與識別48-50
• 5.5 診斷結(jié)果分析50
• 5.6 本章小結(jié)50-51
• 結(jié)論51-52
• 參考文獻52-56
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果56-59
• 致謝59

【相似文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 遲警;基于小波包與改進DE-ELM的汽輪機振動故障診斷研究[D];東北電力大學(xué);2016年

，

本文編號：815751