基于ARMA及神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)轉(zhuǎn)子振動(dòng)故障預(yù)測(cè)診斷實(shí)驗(yàn)研究.pdf

1、汽輪發(fā)電機(jī)組的故障率較高，故障危害性也大，所以汽輪機(jī)的故障預(yù)報(bào)及診斷問(wèn)題歷來(lái)是受到有關(guān)的研究機(jī)構(gòu)、企業(yè)和管理部門的高度重視。汽輪機(jī)轉(zhuǎn)子振動(dòng)波形提供了豐富的故障征兆信息，如何準(zhǔn)確、全面地提取征兆信息對(duì)于故障類型的確定、故障發(fā)展趨勢(shì)的預(yù)測(cè)以及汽輪發(fā)電機(jī)組的狀態(tài)檢修都具有十分重要的意義。 本課題是國(guó)內(nèi)首次應(yīng)用時(shí)間序列對(duì)汽輪機(jī)轉(zhuǎn)子振動(dòng)故障診斷預(yù)測(cè)進(jìn)行的系統(tǒng)的實(shí)驗(yàn)研究，取得了良好效果。 論文首先綜述了國(guó)內(nèi)外機(jī)械設(shè)備故障診斷的研究成

2、果，總結(jié)了汽輪機(jī)故障診斷技術(shù)的研究現(xiàn)狀與方法，論述了汽輪機(jī)故障診斷中存在的問(wèn)題，在此基礎(chǔ)上提出本課題的研究?jī)?nèi)容和方法。 針對(duì)汽輪機(jī)轉(zhuǎn)子振動(dòng)常見(jiàn)故障，通過(guò)Bentl y實(shí)驗(yàn)臺(tái)模擬不同轉(zhuǎn)速下碰摩、松動(dòng)、不對(duì)中、不平衡幾種故障狀況，進(jìn)行實(shí)驗(yàn)研究。將采集到的振動(dòng)位移數(shù)據(jù)經(jīng)過(guò)趨勢(shì)項(xiàng)及周期項(xiàng)的剔除處理，對(duì)所余的隨機(jī)平穩(wěn)噪聲項(xiàng)經(jīng)平穩(wěn)性檢驗(yàn)后，根據(jù)AIC準(zhǔn)則數(shù)確定ARMA模型的最佳階數(shù)，建立汽輪機(jī)轉(zhuǎn)子振動(dòng)故障時(shí)間序列ARMA(自回歸滑移平均)模

3、型。利用ARMA模型的外延特性對(duì)汽輪機(jī)轉(zhuǎn)子振動(dòng)幅值的趨勢(shì)的預(yù)測(cè)，預(yù)測(cè)短期內(nèi)的轉(zhuǎn)子振動(dòng)情況，預(yù)測(cè)結(jié)果表明；所建立的8個(gè)ARMA模型預(yù)測(cè)的平均誤差μ均小于0.55 μm，確定性因子r2均大于0.991 5，說(shuō)明了所建立的時(shí)間序列ARMA模型具有較高的可靠性和置信度。 所建立的ARMA模型也是系統(tǒng)的特性與工作狀態(tài)等信息的凝聚器，可利用它對(duì)系統(tǒng)狀態(tài)進(jìn)行診斷，ARMA模型的自譜函數(shù)分析是采用時(shí)序方法進(jìn)行故障診斷的最重要的方法之一，因此，A