基于小波分析的汽輪機故障檢測方法

摘 要：針對現(xiàn)有汽輪機故障檢測存在的問題，提出了一種基于小波分析的汽輪機故障檢測方法，方法利用小波分析技術(shù)提取汽輪機故障特征，利用小波分解算法進行顯示，并在試驗現(xiàn)場進行了驗證，提出的方法可以實時對異常數(shù)據(jù)進行故障診斷，能滿足汽輪機的實時運行要求。

關(guān)鍵詞：汽輪機；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，汽輪機組設(shè)備也在高速發(fā)展，汽輪機組的特點是大型、快速、連續(xù)和自動化。汽輪機是工業(yè)生產(chǎn)尤其是電力系統(tǒng)中的一個重要設(shè)備，但是由于其結(jié)構(gòu)十分復雜并且運行環(huán)境比較特殊，所以汽輪機在高速運行中的故障率非常高，例如：汽輪機機的核心部件轉(zhuǎn)子可能經(jīng)常發(fā)生故障。汽輪機的轉(zhuǎn)子一旦在高速運行中發(fā)生故障，會使其大大偏離轉(zhuǎn)子的理想運動狀態(tài)。汽輪機一旦發(fā)生故障時，不僅會造成工業(yè)生產(chǎn)事故的安全隱患，還會影響影響工業(yè)生產(chǎn)效率。而汽輪機作為電力系統(tǒng)中的關(guān)鍵設(shè)備，萬一出現(xiàn)停機等大型故障，將會導致整個企業(yè)的故障，包括產(chǎn)品停產(chǎn)，設(shè)備癱瘓等，可見故障的危害性是十分巨大的。由此造成的經(jīng)濟損失是十分巨大的。因此，找到一種方法能夠及時發(fā)現(xiàn)并消除故障，成為了當前電力系統(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，并且小波在時域和頻域上都有代表信號的局部信息的能力，它的特征提取方法多種多樣，通常小波提取用到的時間窗和頻率窗是可以根據(jù)信號形態(tài)進行動態(tài)實時的調(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)對應的低通濾波器，G為小波函數(shù)對應的低通濾波器。

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一組帶通濾波器對信號進行濾波，然后將信號再分解成為不同的頻率分量，劃分后的每一個頻率通道分量都按照相位進行分解，頻率越高，相位就劃分得越細。

3 基于小波分析的汽輪機故障檢測方法

方法首先要利用小波包分解對振動信號的故障進行特征提取。提取步驟如下：

（1）提取小波包分解出來的振動信號的時頻信息。通常，這些信息是根據(jù)小波包的分解系數(shù)來描述的。（2）提取故障的特征向量。通常需要根據(jù)汽輪機故障特點，然后確定一些判別式，再從海量的振動信號數(shù)據(jù)（知識庫）中提取與故障相關(guān)的特征向量，并產(chǎn)生一個故障特征向量集。（3）利用故障特征向量集，構(gòu)建專家診斷系統(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確無誤，在設(shè)計專家診斷系統(tǒng)時，就會更容易，系統(tǒng)的泛化能力也更強。

對于整個頻率帶的基本特征，小波包是用各子頻帶的功率分布來描述的。

首先采用Daubechies小波和Mallat算法，利用D4小波對提取的故障信號進行小波分析，可將信號分解為：

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故障檢測方法的流程框圖。如圖1所示。

4 結(jié)束語

提出了一種基于小波分析的汽輪機故障檢測方法，介紹了小波分析理論，并研究其在汽輪機故障上的應用，在特征提取中，利用D4小波對提取的故障信號進行小波分析，然后進行狀態(tài)識別，從而進行故障診斷。在試驗現(xiàn)場進行了驗證，提出的方法可以實時對異常數(shù)據(jù)進行故障診斷，能滿足汽輪機的實時運行要求。

參考文獻

[1]陳長征，栗青，劉一芳.汽輪發(fā)電機組故障智能診斷方法研究[J].中國電機工程學報，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)絡的汽輪機故障診斷[J].制造業(yè)自動化，2015，15.

[3]艾瑞波.基于小波包能量譜的汽輪機轉(zhuǎn)子故障識別仿真[J].計算機仿真，2015，15.