水电机组故障诊断原理及方法21409.docx

《水电机组故障诊断原理及方法21409.docx》由会员分享，可在线阅读，更多相关《水电机组故障诊断原理及方法21409.docx（71页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第五章 水电机组故障诊断原理及方法Evaluation Warning: The document was created with Spire.Doc for .NET.第五章 水电机组故障诊断原理及方法2.1故障诊断的概述故障诊断是根据在线监测所获得的信息结合机组已知的结构特性和参数，以及环境条件，结合机组的历史记录，对机组可能要发生或已经发生的故障进行预报和分析、判断，确定故障的性质和类别、程度、原因、部位，指出故障发生和发展的趋势及其后果，提出控制故障继续发展和消除故障的调整、维修、治理的对策措施，并加以实施，最终使机组恢复到正常状态。故障诊断的的重要任任务就是是查找故故障原因因，包括

2、括系统层层次间的的纵向成成因、子子系统之之间的横横向成因因、间接接成因和和外部成成因。水电机组上上不同部部位、不不同类型型的故障障，引起起机组功功能上不不同的变变化，导导致机组组整体及及各部位位状态和和运行参参数的不不同变化化。水电电机组故故障诊断断系统的的任务，就就是当机机组某一一部位出出现某种种故障时时，要从从状态及及其参数数的变化化推断出出导致这这些变化化的故障障及其所所在部位位。由于于故障诊诊断系统统从在线线监测系系统获得得的状态态监测量量的数据据十分庞庞大，因因此系统统必须先先在原始始数据中中找出反反映机组组故障的的特征信信息，即即提取机机组特征征量，才才能有效效的对故故障进行行诊断

3、。水电机组的的故障诊诊断模型型如图55-1所示。图5-1给给出了水水电机组组诊断的的模型，图图中H(f)/h(tt)是机机组时域域或频域域的传递递函数。机机组故障障诊断中中，系统统的输出出状态向向量是机机组异常常或故障障信息的的重要载载体。在在机组诊诊断中，要要综合考考虑工作作介质、环环境，系系统特征征以及系系统行为为状态。对对于图55-3的的机组诊诊断模型型来说，其其关键和和核心部部分就是是“综合诊诊断”。水电机组故故障诊断断系统的的内容包包括状态态检测、故故障诊断断、趋势势预测。其其过程可可分为：（1） 信号输入 水电机组的的故障诊诊断系统统是水电电机组在在线监测测系统的的上位系系统，诊诊

4、断的发发生，需需要从下下层系统统获得表表征机组组运行状状态的特特征参数数，即获获取机组组故障征征兆，如如机组的的振动和和摆度。（2） 信号处理 由监测系统统输入的的信号，必必须经过过一系列列的处理理。对输输入信号号进行分分类、去去噪滤波波，然后后提取特特征征兆兆。水电电机组在在运行过过程中产产生大量量的噪声声，同时时定转子子的强大大电流在在水电机机组周围围形成很很强的电电磁场，这这些都对对在线监监测系统统的采集集数据有有影响。对对故障诊诊断有用用的信息息可能隐隐藏在被被噪声严严重污染染的原始始信号中中，要使使诊断结结果有效效，必须须对原始始信号进进行处理理。（3） 状态识别 将经过信号号处理后

5、后获得的的机组特特征参数数与规定定的允许许参数或或判别参参数进行行比较、对对比以确确定机组组所处的的状态，是是否存在在故障以以及如果果存在故故障，故故障的类类型和性性质等。这这需要制制订相应应的判别别准则和和诊断策策略。（4） 诊断决策 经过状态识识别，判判断出机机组的状状态，然然后根据据一定的的规则，给给出应采采取的对对策和措措施，同同时根据据机组当当前的状状态信号号预测机机组状态态可能发发展的趋趋势。 水电机组系统构造H(f)/h(t)输入X(f)输出辅机部分发电机部分水轮机部分 x(t)机组行为状态的检测与评价机组系统特征的检测与评价工作介质、环境的检测与评价综合诊断图5-1水水电机组组

6、故障诊诊断模型型水电机组的的故障诊诊断技术术的分类类很多，其其中主要要有以下下几种。（1）按照照诊断环环境可以以分为在在线诊断断与离线线诊断在线诊断一一般是指指对现场场正在运运行的水水电机组组进行自自动实时时诊断，这这类诊断断一般用用于大中中型机组组。离线诊断是是指通过过磁带记记录仪或或其它存存储记忆忆设备将将现场的的状态信信号记录录下来，结结合机组组状态的的历史档档案资料料，作离离线分析析诊断。（2）按照照所利用用的状态态信号的的物理特特征进行行分类振动诊断法法（振动动诊断技技术），以以平衡振振动、瞬瞬态振动动及模态态参数为为检测目目标，进进行特征征分析、谱谱分析和和时频分分析以及及其它方方

7、法。声学诊断法法，以噪噪声、声声阻、超超声为检检测目标标，进行行声级、声声强、声声谱分析析。温度诊断法法，以温温度、温温差、温温度场、热热象为检检测目标标，进行行温变量量、温度度场的识识别与分分析。对对于轴承承诊断，采采用温度度诊断法法。压力检测诊诊断法，以以机组系系统中的的气体、流流体的压压力作为为信息源源，在机机组运行行过程中中，通过过压力参参数的变变化特征征判别机机组的运运行状态态。噪声检测诊诊断法，以以机组运运行中的的噪声作作为信息息源，在在机组运运行过程程中，通通过噪声声参数的的变化特特征判别别机组的的运行状状态。这这种方法法易受环环境噪声声的影响响，诊断断可靠性性不高。表面形貌诊诊

8、断法，这这种诊断断方法以以裂纹、变变形、斑斑点、凹凹坑、色色泽等为为检测目目标，进进行裂纹纹破损、空空蚀磨损损的现象象分析。（3）按照照诊断目目的分功功能诊断断和运行行诊断功能诊断是是针对新新安装或或刚修复复后的机机组或部部件，诊诊断机组组的性能能是否正正常，按按诊断的的结果进进行调整整修复。运行诊断是是针对正正在运行行中的机机组或部部件，进进行运行行状态的的监视，对对故障的的发生、发发展进行行早期诊诊断。（4）按照照诊断的的要求分分为定期期诊断和和连续诊诊断定期诊断是是指每隔隔一定时时间对水水电机组组进行检检查和诊诊断，这这种诊断断方式是是计划检检修的内内容。连续诊断就就是对机机组运行行状态

9、进进行连续续监测、分分析和诊诊断。（5）按照照诊断的的途径分分为直接接诊断和和间接诊诊断直接诊断是是根据水水电机组组的关键键部件的的信息直直接确定定其状态态，如轴轴承间隙隙、叶片片裂纹、大大轴不同同心等。直直接诊断断受到机机组结构构和工作作条件的的限制而而无法实实现。间接诊断是是通过二二次诊断断信息来来间接判判断机组组中关键键部件的的状态变变化，如如水导摆摆度、振振动等。（6）按照照诊断方方法原理理分为频频域诊断断法、时时域诊断断法、模模式识别别法等频域诊断法法，应用用频谱分分析技术术，根据据机组信信号的频频谱特征征的变化化，判别别机组的的运行状状态和发发生故障障的形成成原因。目目前，大大多采

10、用用这类诊诊断方法法。时域诊断法法，应用用时间序序列模型型及其有有关的特特性函数数，判别别水电机机组工况况状态的的变化。统计分析法法，应用用概率统统计模型型及其相相关的数数学模型型和特征征函数，对对机组的的运行状状态进行行监视和和故障诊诊断。模式识别法法，利用用检测信信号，提提取对机机组运行行工况状状态反应应灵敏的的特征参参数向量量构成机机组模式式矢量，然然后利用用适合的的分类，判判别机组组运行状状态。分形诊断法法，从水水电机组组的行为为出发，研研究水电电机组这这一复杂杂的机械械系统的的分形参参数对不不同故障障的敏感感性，建建立系统统层次上上的分形形诊断法法。信息理论分分析法，利利用信息息理论

11、建建立的某某些特性性函数在在机组运运行中的的变化，对对机组运运行状态态进行判判别和故故障诊断断。人工智能诊诊断，应应用目前前的人工工智能技技术，对对机组运运行状态态进行识识别和故故障诊断断。以上只是给给出了水水电机组组故障诊诊断的一一般分类类方法，除除此之外外，还可可以有其其它分类类方法。水电机组的的故障诊诊断同其其它设备备的故障障诊断不不同，表表现为故故障的多多源性，故故障的传传播性，故故障的非非线性。2.2故障障信息与与故障特特征参量量上一节，我我们给出出了水电电机组故故障以及及故障诊诊断的概概念和分分类，并并简述了了机组故故障诊断断的几个个实施步步骤。信信号检测测和特征征提取是是诊断中中

12、的两个个重要的的环节。机组在运行行中，系系统参数数偏离了了正常状状态就可可能出现现故障，表表征它的的特征向向量也会会变化。只只要故障障存在，这这种故障障信息就就会通过过特征参参数表现现出来。因因此，以以信息量量作为出出现故障障的量度度，就可可以对机机组状态态进行诊诊断。2.2.11故障信信息故障源发出出的信息息是通过过系统的的特征和和状态来来传递的的。信息息源发出出的如果果仅是一一种确定定状态量量，表征征它的特特征就不不会携带带任何有有用的信信息。换换言之，也也就是故故障信息息源含着着某种不不确定性性。这种种不确定定性与故故障信息息源所包包含的随随机事件件的可能能状态数数及每种种状态出出现的概

13、概率有关关200。设机组的运运行的状状态集合合为X(x1,x2xn)，每种种状态对对应的出出现概率率为P(xi)，则故故障信息息源的概概率空间间为P(X)。且且有。对于状态概概率和故故障信息息源的不不确定性性一般表表现为以以下几点点：（1）离散散故障信信息源的的概率空空间为等等概率分分布时，这这种信息息的不确确定性为为最大。（2）信息息的不确确定性与与故障信信息源概概率空间间的状态态数及其其概率分分布有一一定的相相关性。（3）当故故障信息息源的概概率空间间等概率率分布时时，信息息的不确确定性与与可能的的状态数数有关，当当机组运运行的状状态数越越多，相相应的概概率越小小，机组组的不确确定性越越大

14、。对于信息源源的不确确定性，哈哈特莱研研究确定定了用信信息源概概率的倒倒数来度度量。 （5-1）以信息量来来作为信信息多少少的度量量，将信信息量定定义为：不确定定的减少少量。换换言之，系系统的信信息量就就是系统统前后接接受的信信息不确确定性程程度的减减少量。这这种是因因为收到到信息前前后的概概率空间间的改变变。称收到信息息前的概概率为先先验概率率P(yy)，收收到信息息后的概概率为后后验概率率。以XX表示收收到的信信息量，不不确定性性为：H(y/xx)=HH(P(y/xx) （5-2）式5-2中中P(yy/x)表示后后验概率率，于是是信息量量根据定定义为:I=H(yy)-HH(y/x) （55

15、-3aa） =H(P(xx)-H(PP(y/x) I= （55-3bb）故障信息通通常来源源于两个个方面，一一是故障障模式类类别属性性构成的的信息源源，它为为系统的的可能故故障和这这些故障障类别的的出现概概率所构构成的，我我们把它它称之为为故障模模式信息息，二是是故障样样本特征征属性构构成的信信息源，称称之为故故障特征征信息源源，由故故障特征征和故障障特征的的概率分分布函数数所构成成的220。设E=,P是故障障模式概概率空间间，其中中是故障障模式类类别集合合 i(I=1,2,m),m是是故障类类别数。各各故障的的先验概概率为PP(i)，满足足： (5-44a)设F=XX,P(X)为样本本概率空

16、空间，PP(X)是定义义在F下的样样本特征征概率密密度函数数，满足足： (5-44b)水电机组是是一个比比较复杂杂的系统统，可以以分成很很多子系系统或许许多亚层层系统。故故障信息息源可以以是多个个子系统统子故障障源的组组合，也也可以是是多个亚亚层系统统亚故障障源的组组合。不不同子系系统的故故障源对对外表现现为一个个整体，因因此，故故障总是是从某个个子系统统传递出出来的。也也就是说说，当机机组中的的某个子子系统出出现故障障，即使使系统的的输入正正常，但但是系统统的输出出必然异异常，产产生异常常征兆。异常信息总总是以两两种形式式向外传传递，即即层内传传递和层层间传递递。层内内传递是是指异常常信息作

17、作为同一一层次的的其它相相连系统统的输入入，而引引起相连连系统的的输出异异常以至至故障。层层间传递递是指低低层的子子系统出出现故障障后，其其异常的的输出征征兆输入入到上层层系统，引引起上层层系统的的输出异异常或出出现故障障。通常常，机组组的故障障信息的的传递是是这两种种方式的的相互作作用的结结果。故障信息传传输定理理：故障障信息在在传播过过程中，通通过某一一层的子子系统前前的信息息量总要要大于通通过子系系统后的的信息量量20。2.2.22故障信信息特征征对于某一确确定故障障类型，应应该关注注的是：这类故故障是通通过那种种物理量量表现出出来的，而而且与其其它量之之间有什什么样的的关系。当当机组运

18、运行状态态发生变变化时，相相应的机机组的各各参数之之间的关关系也在在变化。但但是最主主要的，是是当这些些参数随随着运行行状态的的改变而而改变时时，表征征某一故故障类型型的物理理量是否否也在改改变。对对于表征征机组的的各参数数，应从从中选出出灵敏度度高的物物理量作作为某类类型故障障的特征征。因此此，有如如下的定定义：能能对机组组的运行行状态进进行定量量描述的的因素称称为机组组故障诊诊断中的的特征参参数，简简称特征征。在进进行机组组状态监监测与故故障诊断断时，首首先必须须确定适适合的特特征参数数，用于于定量的的表征机机组运行行状态的的变化。选选择适合合的特征征是诊断断成败的的关键。故障诊断的的前提

19、就就是有一一定数量量的故障障特征能能反映故故障信息息。当故故障特征征信号为为静态信信号时，特特征信号号就是征征兆。当当故障特特征信号号为动态态信号时时，先根根据情况况选择能能反映系系统功能能指标，又又便于测测取的特特征信号号组，然然后通过过对特征征信号分分析提取取便于决决策的征征兆。水电机组的的故障类类型很多多，对于于某一确确定的故故障类型型，可能能有一种种征兆，也也可能有有多种征征兆，同同时每种种征兆可可能对应应着一个个或多个个原因。它它们之间间的关系系式为：F=f(aa1,a2,an) (55-5)式中F故障类类型a1,a22,an故障征征兆或故故障原因因。故障诊断就就是确定定F与a1,a

20、2,an之间的的对应关关系f。已知知故障FF的发生生来寻找找故障发发生的原原因，或或者通过过检测故故障征兆兆a1,a2,an推断确确定故障障F。特征参数分分类：按测量对象象划分，特特征参数数包括加加速度、速速度、温温度、位位移、压压力、应应力、电电流、电电压、功功率、效效率等。按特征抽取取方法分分为：幅幅域参数数（峰值值、有效效值、裕裕度、脉脉冲指标标等），时时域参数数（时序序模型参参数、特特征根、倒倒谱参数数、相关关分析参参数等），频频域参数数。众所周知，对对于水电电机组而而言，某某种故障障类型发发生所能能引起变变化的物物理参数数很多，但但是可用用作故障障特征的的参量有有限。实实践证明明，选

21、取取故障特特征参量量可遵循循以下原原则：（1）高灵灵敏性水电机组系系统状态态的微弱弱变化可可引起故故障特征征参量的的较大变变化。用用指标灵灵敏度来来度量特特征参数数对机组组运行状状态变化化的敏感感程度。设特征参数数X(nn)对机机组运行行状态YY的灵敏敏度为 (5-6)式中为特征征参数XX的变化化引起状状态参数数Y的改改变量的的大小。实实际运用用中，为为了避免免灵敏度度的变化化方向影影响特征征参数的的评价，在在机组故故障诊断断中对灵灵敏度取取绝对值值。 (55-7)通常机组状状态参数数和特征征参数之之间存在在单调性性，随着着故障程程度的增增加，特特征参数数也呈上上升趋势势。（2）高可可靠性故障

22、特征参参量是依依赖于机机组系统统的状态态变化而而变化的的，表征征这一指指标的是是特征参参数的稳稳定性。稳稳定性的的定义是是指特征征参数受受测试条条件（采采样频率率、采样样时间长长度、采采样起始始位置、测测试仪器器的灵敏敏度等）和和机组工工作条件件（负荷荷、转速速等）影影响的大大小。特征参数XX的稳定定度 (5-88)式中是指各各种条件件的变化化对于机组故故障诊断断系统，特特征参数数的稳定定性越高高越好。（3）具有有可实现现性机组故障诊诊断系统统必须具具有可实实现性，因因此选择择的故障障特征参参量也必必须具有有可实现现性。故障特征参参量的可可实现性性是一个个有一定定内涵的的定义。首首先，可可实现

23、性性是指该该特征参参量可以以有相应应的仪器器将之检检测出来来。其次次，可实实现性是是指该特特征参量量在故障障诊断计计算中可可以被实实现。对于监测与与诊断系系统，系系统的性性价比是是一个比比较重要要的问题题，选择择适当的的特征参参量，减减小测试试量和计计算量有有助于降降低监测测与诊断断的费用用。因此，故障障特征的的选择就就是在已已有的NN个特征征参数中中依据以以上的原原则挑选选出m个特征征参数，组组成某种种函数准准则下最最优特征征子集。该该特征子子集既保保留了原原特征集集的物理理意义，又又减小了了特征参参数之间间的相关关性的大大小。由于水电机机组故障障诊断中中所采用用的特征征参数较较多，因因此，

24、很很有必要要对机组组的特征征参数进进行特征征选取，减减少特征征参数的的测量、信信号采集集传输通通道数量量以及信信息存储储空间和和信息处处理时间间。规则5-11 将特特征参数数X和模式式分类结结果y组成的的样本集集作为BBP网络络的学习习样本，对对网络进进行训练练，设WWi,qq和Wk,qq分别为为与特征征参数XXi,Xq对应输输入单元元与隐层层单元qq之间的的连接权权系数： (5-9)如果下式成成立： (55-100a)则特征参数数Xi的灵敏敏度比XXq的灵敏敏度大，即即： (55-100b)也就是说明明特征参参数Xi的分类类能力比比特征参参数Xq的分类类能力大大。特征参数的的选择涉涉及所有有

25、可能的的特征集集，于是是这个问问题转化化为搜索索最优组组合问题题。但是是最优解解的搜索索计算量量太大，通通常无法法进行穷穷举搜索索，所以以工程应应用中，常常用的方方法有前前向贯算算法、后后向贯算算法、分分支界限限算法等等。所谓的前向向贯算法法是指由由底向上上进行搜搜索处理理过程的的一种算算法，先先从空集集开始，挑挑选一个个最优特特征值作作为第一一个，随随后每一一个步骤骤的下一一个特征征从剩下下的特征征中选取取，挑选选出来的的特征一一起获得得准则函函数的最最佳值。相对而言，后后向贯算算法是从从顶向下下的一个个处理过过程。从从已有特特征集中中先删去去一个特特征值，每每一步删删去的特特征值是是使得准

26、准则函数数值降低低到最小小的特征征值。分支界限法法是一种种树搜索索方法。它它的搜索索方案是是沿着树树自上而而下，从从右至左左进行，由由于树的的每一个个节点代代表一种种特征组组合，于于是所有有可能的的组合都都考虑在在内。因因为利用用了可分分性判据据的的单单调性采采用了分分支定界界策略，使使得在实实际上并并不计算算某些特特征组合合而又不不影响全全局寻优优，同时时因为搜搜索从结结构简单单的部分分开始，所所以这种种特征选选择算法法效率最最高，而而这种方方法称为为分支定定界法。2.2.33故障特特征的提提取随着机组运运行安全全性要求求的日益益提高，对对故障诊诊断的要要求也日日益增加加。机组组结构的的日趋

27、复复杂，故故障类别别愈来愈愈多，反反映故障障的征兆兆也相应应增加。在在机组故故障诊断断过程中中，为了了提高诊诊断的准准确度，总总是要求求采集尽尽可能多多的样本本，以获获得足够够的故障障信息。同同时，样样本数的的增加又又带来另另一个问问题，即即大量样样本占用用大量存存储空间间和计算算时间，而而目前的的计算技技术和硬硬件存储储的能力力是有限限的。如如果采用用神经网网络选取取特征信信息，过过多的特特征输入入也会引引起样本本训练过过程中耗耗时费工工，甚至至会影响响训练网网络的收收敛，影影响分类类精度。综综上而述述，从大大量的采采集样本本中提取取对故障障诊断有有用的信信息是十十分必要要的，而而这一过过程

28、则称称为故障障的特征征提取。水电机组总总是运行行在噪声声、电磁磁干扰等等环境中中，故障障信息总总是混杂杂在大量量干扰信信号中，于于是怎样样在大量量原始采采集信号号中提取取适合机机组故障障诊断系系统的信信息就是是水电机机组故障障诊断系系统的特特征提取取。定义：机组组原始信信息为nn维向量量X(nn)=x1,x2,xxn ，经过过降维为为向量YY(m)=yy1,y2,yyn，mn，向量量Y含有向向量X的主要要特性，向向量X降维向向量Y叫做特特征提取取。特征提取的的方法有有很多，常常用的有有主元特特征提取取法，神神经网络络提取法法，模糊糊优化处处理的特特征提取取法，小小波分析析的特征征提取法法，最小

29、小误判概概率的特特征提取取法，离离散K-L变换换的特征征提取法法等等。（1）小波波分析的的特征提提取方法法小波分析是是为了弥弥补付里里叶变换换的不足足而发展展起来的的，是一一种全新新的数学学工具。在在信号处处理上，小小波将信信号分解解在不同同尺度上上，分解解后的信信号是在在时间尺度的的相平面面上。由由于小波波变换后后的结果果是在尺尺度和时时间平面面上，尺尺度和时时移参数数对信号号的突变变有自适适应性，高高频处时时间窗长长，而低低频处时时间窗短短。实际际中高频频常表现现出为信信号突变变处的频频率，它它含有故故障的大大部分信信息，所所以小波波变换可可应用在在对故障障特征的的提取上上。水电机组的的故

30、障诊诊断系统统是一个个复杂的的系统，其其含有多多个子系系统，并并具有多多层次性性。水电电机组的的主要部部件为水水轮机及及发电机机，水轮轮机的工工作介质质为水，其其运动特特性就很很复杂，所所以表现现出的故故障也很很复杂，应应用小波波分析可可很好地地提出故故障信号号中的特特征参数数。水电机组的的故障中中，发生生频率最最高，影影响最大大的故障障是振动动故障。因因此，振振动故障障的诊断断就成为为机组故故障诊断断系统中中最重要要的部分分。水电电机组的的振动类类型多，振振源多，振振动机理理复杂，振振动具有有渐变性性和不规规则性。影影响机组组振动的的因素主主要有机机械、水水力以及及电磁。机机械方面面的原因因

31、有转动动部件不不平衡、固固定部件件与转动动部件的的碰磨、导导轴承间间隙过大大、推力力轴承调调整不良良等等。水水力原因因有卡门门涡引起起的中高高频压力力脉动、叶叶片进口口水流冲冲角过大大引起的的中高频频压力脉脉动、尾尾水管内内的漩涡涡流引起起的压力力脉动等等等。对对于机组组表现出出来的振振动，有有可能是是上述某某一原因因引起的的，也有有可能是是两种或或两种以以上原因因耦合引引起的。因因此，采采集系统统的原始始信号的的提取对对于后续续诊断就就显得很很重要。设向量a=a1, aa2, aa3,an-11, aan代表表机组的的原始几几何参数数，如转转轮直径径，导叶叶数等。设设矩阵BB=b1, bb2

32、, bb3,bm-11, bbm表示示引起机机组振动动的主要要源及其其频率，b1, b2, b3,bm-1, bm是二维向量。对于水电机组可写出矩阵B的基本表达式。b1,1 b1,2 b1,3 b1,44 bb1,55 bb1,66 bb1,77 bb1,88 bb1,99 bb1,110 b1,11 b11,122 bb1,113B0= b2,11 bb2,22 b2,33 bb2,44 b2,13 矩阵中的元元素值bb1,11 b1,22以及及b2,11 b2,22其值值为表55-1： 表中f0是是机组转转频。 (5-11)fw表示的的是低频频涡带频频率，涡涡带频率率与转速速以及转转轮的几

33、几何尺寸寸有关。对对于不同同型号和和容量的的机组，其其涡带频频率都不不一样，它它的一般般计算公公式为： (55-122)表5-1 机组故故障的特特征大轴有折线线质量不平衡衡不同心摩擦转定子间隙隙不匀转子不圆定子不圆转子动不平平衡低频涡带叶片卡门涡导叶nf0nf0nf0nf0nf0nf0100Hzznf0fwfyfkfd式5-122中的S是计算算系数，可可以由机机组参数数计算出出来。ffy=Z叶f0，Z叶是叶片片数。ffd = ZZ导f0，Z导是导叶叶数。设向量=x1,x2,xxk为机机组监测测系统数数据库的的数据，即即采集系系统采集集的机组组振动信信号。机机组振动动的一般般监测点点有顶盖盖，水

34、导导，上导导，上机机架，下下机架，定定子铁心心，推力力轴承支支承架，大大轴法兰兰连接处处，对于于不同的的机组监监测系统统除了上上述点之之外可能能还有其其它监测测点。从从不同监监测点采采集的信信号作为为向量的元素素值，向向量表示了了机组振振动的原原始信息息。设采采集频率率为0，采样样长度为为2M，最高高频率为为maxx=0/2，序序号为ii的小波波包分解解对应的的频带是是（imaxx/2N,(ii+1)maxx/2N）。应用用小波包包对向量量进行分分解，也也就是分分别对向向量元素素x1,x2,xxk进行分分解。xxi代表第第i通道振振动采集集信号，该该信号受受现场的的各种干干扰，含含有大量量的噪

35、声声。对xxi分解后后，xi信号就就分解到到不同频频段，每每一频段段对应着着不同的的特征频频率。噪噪声信号号一般为为高频，而而且在高高频段分分布比较较均匀，因因此对高高频段小小波包变变换系数数进行阈阈值处理理可以有有效地去去噪。小波包对信信号的分分解以22的级数数分解，对对向量进行J层分解解，则向向量的每一一元素对对应着22J2M-JJ的小波波包分解解系数矩矩阵。引引入矩阵阵B0的行向向量b2,mm，并且且设(b2,m)为机组组振动的的诊断特特征向量量。对于于行向量量b2,mm 的值值，对应应着信号号分解系系数矩阵阵的某一一子矩阵阵。如：行向量量B0中b2,77=1000Hzz，对应应着信号号

36、xi分解系系数矩阵阵的某一一子矩阵阵，在频频域图上上表示为为中心频频率为1100HHz的频频段。做做记号DD为信号号xi的分解解系数矩矩阵，DDi,mm为特征征频率bb2,mm对应的的信号xxi的系数数矩阵的的子矩阵阵，R(D)表表示对系系数矩阵阵重构，si表示信号xi的重构信号。诊断特征向量(b2,m)就可表示为：(b2,m)= mm=1,2,133 (55-133)对于对应着着特征频频率的振振源，即即矩阵BB0的行向向量b1,m的特征征信号可可以表示示为:P(b1,m)= (55-133)经过上述特特征提取取之后，对对应的诊诊断特征征向量(b2,m)就就可以表表征机组组振动的的真实情情况。

37、这这一诊断断向量可可以被后后续的诊诊断系统统获取，进进行故障障识别。利利用小波波包进行行故障诊诊断过程程可以表表示为： 信号采集 小波包包分解 特征提提取 故故障识别别。（2）基于于BP神神经网络络的特征征提取神经网络从从出现到到目前，已已经应用用到了许许多领域域。利用用BP网网络的高高分辨信信息压缩缩的非线线性映射射的特点点，可以以将BPP网络应应用在故故障特征征的信息息提取上上。设BP神经经网络的的隐层的的输出为为，则当当网络收收敛后，隐隐层k单元的的输出为为： （5-14）k=1,22,n，为输入入单元II与隐层层单元kk之间的的连接权权。输出层第jj单元的的输出为为： （5-15）j=

38、1,22,N，为阈值值，为隐隐层单元元k与输出出层单元元j之间的的连接权权。上面两式实实现了从从输入层层到输出出层之间间的非线线性映射射，隐层层的输出出值代表表了输入入层原始始特征空空间的特特征。基于神经网网络的特特征提取取一般有有如下步步骤：a. 对原始特征征进行归归一化处处理。b. 选择BP网网络的模模型结构构参数，输输入和输输出单元元数等于于原始特特征参数数的维数数。c. 选择合适的的神经网网络学习习参数，以以保证较较高的收收敛精度度。d. 利用误差反反向传播播法对BBP网络络进行训训练。e. 将原始特征征参数的的所有样样本输入入已训练练好的BBP网络络，进行行前向计计算，求求出BPP网

39、络第第一隐层层各单元元的输出出值，得得到所提提取的新新特征参参数。（3）主元元特征提提取法有限离散KK-L变变换，又又称为HHoteelliing变变换或主主分量分分解，它它是一种种基于目目标统计计特性的的最佳正正交变换换。其变变换后产产生的新新的分量量正交或或不相关关，以部部分新的的分量表表示原矢矢量均方方误差最最小，使使变换矢矢量更趋趋确定，能能量更趋趋集中。设有特征集集X和Y，X和Y之间的的线性变变换可表表示为：Y=AXX式中A为变变换矩阵阵。特征集X和和Y的均值值矢量，相关关阵Rx=EXXT，RY=EYYT，协协方差阵阵，。将X与Y用用转置矩矩阵表示示为：YT=XTTATE(YYTT)

40、=AAE(XXXT)ATRY=ARRxAT 式中RY为为角矩阵阵，RX为实对对称矩阵阵，A是正交交矩阵，从从而非负负矩阵RRX有n个正实实特征根根，它们们组成对对角阵RRY，即： （55-166）选择前面mm个最大大特征对对应的特特征矢量量构成mm维空间间。比值值，反映映了特征征集Y中中第i个分量量对整体体方差的的贡献，比比值越大大，说明明该分量量越重要要。一般般选择mm使： （5-17）该式的详细细说明可可查阅参参考文献献8。对于K-LL变换的的详细过过程可查查阅参考考文献24。（4）基于于互信息息熵的特特征提取取熵在信息论论中表示示不确定定性，不不确定性性越大熵熵越大。机机组采集集信号中中

41、的信息息具有不不确定性性，这是是诊断所所需求的的。对于m类问问题，设设给定的的X的各类类后验概概率为：，那么熵的定定义是： （5-18）对于式中llogppi，当pi=0，。熵具有以下下性质：（1）H(X)0，当当且仅当当存在，有p=1，ii,pi=0时时等号成成立，也也就是说说确定概概率场熵熵最小。（2）等概概率场熵熵最大。（3）熵函函数是pp的对称称的上凸凸连续函函数。对信息进行行分类和和特征提提取，必必须有一一个准则则，因此此取熵的的期望作作为类别别可分性性的判据据。 （55-199）根据上式，构构造一个个广义的的熵定义义： （55-200）上式中a是是一实的的正参数数，a1。对对于不同

42、同的a就有不不同的度度量。当，称之为为Shaannoon熵 (5-221a)当a=2，称称之为平平方熵 （55-211b）上面给出了了熵的定定义和熵熵可分类类判别的的准则，下下面开始始论述利利用熵提提取故障障特征。利用互信息息熵进行行特征提提取，就就是在由由给定的的n个特征征值的集集合X，寻寻找一个个具有最最大互信信息熵或或最小特特征条件件熵H(xi/E)的集合合：X=x1,x2xk,kn。最大互信息息熵是由由系统熵熵和后验验熵确定定的，一一般而言言，系统统熵是确确定的，因因此后验验熵越小小，则互互信息熵熵就越大大，。后验熵为HH(E/F)： （55-222）计算后验熵熵，就要要估计概概率分布布，这一一过程的的计算比比较复杂杂。如FFishher的的线性辨辨识方法法。因此此。需要要近似的的估计后后验熵。为了简化计计算，将将样本的的平均分分布近似似为故障障类别的的平均分分布，于于是后验验熵近似似为： （55