基于小波分析的汽輪機(jī)故障檢測(cè)方法

摘 要：針對(duì)現(xiàn)有汽輪機(jī)故障檢測(cè)存在的問(wèn)題，提出了一種基于小波分析的汽輪機(jī)故障檢測(cè)方法，方法利用小波分析技術(shù)提取汽輪機(jī)故障特征，利用小波分解算法進(jìn)行顯示，并在試驗(yàn)現(xiàn)場(chǎng)進(jìn)行了驗(yàn)證，提出的方法可以實(shí)時(shí)對(duì)異常數(shù)據(jù)進(jìn)行故障診斷，能滿(mǎn)足汽輪機(jī)的實(shí)時(shí)運(yùn)行要求。

關(guān)鍵詞：汽輪機(jī)；小波分析；小波分解

1 概述

隨著現(xiàn)代化工業(yè)尤其是電力系統(tǒng)的高速發(fā)展，汽輪機(jī)組設(shè)備也在高速發(fā)展，汽輪機(jī)組的特點(diǎn)是大型、快速、連續(xù)和自動(dòng)化。汽輪機(jī)是工業(yè)生產(chǎn)尤其是電力系統(tǒng)中的一個(gè)重要設(shè)備，但是由于其結(jié)構(gòu)十分復(fù)雜并且運(yùn)行環(huán)境比較特殊，所以汽輪機(jī)在高速運(yùn)行中的故障率非常高，例如：汽輪機(jī)機(jī)的核心部件轉(zhuǎn)子可能經(jīng)常發(fā)生故障。汽輪機(jī)的轉(zhuǎn)子一旦在高速運(yùn)行中發(fā)生故障，會(huì)使其大大偏離轉(zhuǎn)子的理想運(yùn)動(dòng)狀態(tài)。汽輪機(jī)一旦發(fā)生故障時(shí)，不僅會(huì)造成工業(yè)生產(chǎn)事故的安全隱患，還會(huì)影響影響工業(yè)生產(chǎn)效率。而汽輪機(jī)作為電力系統(tǒng)中的關(guān)鍵設(shè)備，萬(wàn)一出現(xiàn)停機(jī)等大型故障，將會(huì)導(dǎo)致整個(gè)企業(yè)的故障，包括產(chǎn)品停產(chǎn)，設(shè)備癱瘓等，可見(jiàn)故障的危害性是十分巨大的。由此造成的經(jīng)濟(jì)損失是十分巨大的。因此，找到一種方法能夠及時(shí)發(fā)現(xiàn)并消除故障，成為了當(dāng)前電力系統(tǒng)迫切需要解決的課題。

2 小波分析理論

小波分析通常具有多分辨率分析的特征，并且小波在時(shí)域和頻域上都有代表信號(hào)的局部信息的能力，它的特征提取方法多種多樣，通常小波提取用到的時(shí)間窗和頻率窗是可以根據(jù)信號(hào)形態(tài)進(jìn)行動(dòng)態(tài)實(shí)時(shí)的調(diào)整。

Mallat算法是小波變換的最常用的快速算法，它是基于多分辨分析的概念的。具體原理為，設(shè){Vj}是一個(gè)給定的多分辨率分析譜，？贅（x）和W（x）分別是尺度函數(shù)和小波函數(shù)。再設(shè)，則有如下分解：

然后，公式（1）中的尺度系數(shù)和小波系統(tǒng)有如下關(guān)系：

公式（2）中，H為尺度函數(shù)對(duì)應(yīng)的低通濾波器，G為小波函數(shù)對(duì)應(yīng)的低通濾波器。

我們選取的濾波器G為頻帶在[-2？仔，-？仔]∪[？仔，2？仔]之間的低通濾波器。所以，Dj低通濾波器的頻帶信號(hào)范圍為[-2-j？仔，-2-j-1？仔]∪[2-j-1？仔，2-j？仔]。所以公式（1）和公式（2）表明，Mallat算法的原理就是通過(guò)一組帶通濾波器對(duì)信號(hào)進(jìn)行濾波，然后將信號(hào)再分解成為不同的頻率分量，劃分后的每一個(gè)頻率通道分量都按照相位進(jìn)行分解，頻率越高，相位就劃分得越細(xì)。

3 基于小波分析的汽輪機(jī)故障檢測(cè)方法

方法首先要利用小波包分解對(duì)振動(dòng)信號(hào)的故障進(jìn)行特征提取。提取步驟如下：

（1）提取小波包分解出來(lái)的振動(dòng)信號(hào)的時(shí)頻信息。通常，這些信息是根據(jù)小波包的分解系數(shù)來(lái)描述的。（2）提取故障的特征向量。通常需要根據(jù)汽輪機(jī)故障特點(diǎn)，然后確定一些判別式，再?gòu)暮Ａ康恼駝?dòng)信號(hào)數(shù)據(jù)（知識(shí)庫(kù)）中提取與故障相關(guān)的特征向量，并產(chǎn)生一個(gè)故障特征向量集。（3）利用故障特征向量集，構(gòu)建專(zhuān)家診斷系統(tǒng)。故障的特征向量集是故障診斷系統(tǒng)的優(yōu)良的基礎(chǔ)，特征向量集提取的準(zhǔn)確無(wú)誤，在設(shè)計(jì)專(zhuān)家診斷系統(tǒng)時(shí)，就會(huì)更容易，系統(tǒng)的泛化能力也更強(qiáng)。

對(duì)于整個(gè)頻率帶的基本特征，小波包是用各子頻帶的功率分布來(lái)描述的。

首先采用Daubechies小波和Mallat算法，利用D4小波對(duì)提取的故障信號(hào)進(jìn)行小波分析，可將信號(hào)分解為：

其中，D0代表尺度系數(shù)，而Dj，k代表小波系數(shù)。

下面為基于小波變換的汽輪機(jī)故障檢測(cè)方法的流程框圖。如圖1所示。

4 結(jié)束語(yǔ)

提出了一種基于小波分析的汽輪機(jī)故障檢測(cè)方法，介紹了小波分析理論，并研究其在汽輪機(jī)故障上的應(yīng)用，在特征提取中，利用D4小波對(duì)提取的故障信號(hào)進(jìn)行小波分析，然后進(jìn)行狀態(tài)識(shí)別，從而進(jìn)行故障診斷。在試驗(yàn)現(xiàn)場(chǎng)進(jìn)行了驗(yàn)證，提出的方法可以實(shí)時(shí)對(duì)異常數(shù)據(jù)進(jìn)行故障診斷，能滿(mǎn)足汽輪機(jī)的實(shí)時(shí)運(yùn)行要求。

參考文獻(xiàn)

[1]陳長(zhǎng)征，栗青，劉一芳.汽輪發(fā)電機(jī)組故障智能診斷方法研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2002，22（5）：121-124.

[2]焦圣喜，遲警，李婉珍.基于小波包和GA-LM-BP神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)故障診斷[J].制造業(yè)自動(dòng)化，2015，15.

[3]艾瑞波.基于小波包能量譜的汽輪機(jī)轉(zhuǎn)子故障識(shí)別仿真[J].計(jì)算機(jī)仿真，2015，15.