发电机组设备在线监测故障诊断系统研究

论文摘要

本论文主要针对巴陵石油化工有限责任公司热电事业部的汽轮发电机组在线状态监测项目，结合先进的信号处理方法、现代电子测控技术和流行的网络架构，提出并实现了一套由嵌入式数据采集单元、工作站监测分析子系统、Web服务器故障分析软件组成的状态监测系统。文章首先概述了状态监测技术的内容和应用，接着分析了国内外研究现状和发展趋势以及相关技术最新进展。通过这几方面的讨论引出系统所采用C／S和B／S软件架构模式和信号采集子系统的性能特点及技术指标。故障诊断处理算法的研究是本文主要讨论的内容。系统实现的故障诊断处理算法可以分为时域分析、频域分析和时频分析三大类。系统可以分析平稳信号和非平稳信号，实现了实时地在时间域、频率域内了解机组运行状态的功能。借助Wigner分布等时频分析工具，系统还具有在时频域（时间-频率域）上分析具体故障的发生时间和位置的能力。本文从理论入手，讨论了小波分析的物理意义，深入分析了其在振动故障诊断中具有的优异特性。系统实现了振动信号基于Mallat算法的小波分解、奇异信号检测和小波阀值去噪。本文提出并设计了一套基于LeverbergMarquardt BP神经网络的专家系统。专家系统采用振动信号经过db5小波包分解的第三层子空间的能量特征向量作为神经网络的输入。仿真结果表明，此专家系统在训练中能够迅速收敛避免陷入局部极小值，而且同时具有较好的容错性和较高的稳定性。上述发电机组在线监测故障诊断系统己成功地应用于巴陵石油化工有限责任公司，系统运行稳定、监测信息准确。文章在最后给出了系统在实际工作现场中的实施方案和功能操作的显示。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 状态监测技术及其应用概述
• 1.2 国内外研究现状与发展趋势
• 1.2.1 便携式数据采集的研制状况
• 1.2.2 在线监测系统的研制现状
• 1.3 本文研究内容
• 第2章 状态监测系统组成
• 2.1 系统监测对象
• 2.2 系统总体结构方案
• 2.3 系统整体功能介绍
• 2.4 小结
• 第3章 信号采样子系统系统研究
• 3.1 信号采样处理技术基础
• 3.1.1 信号分析系统的组成和数字处理方法
• 3.1.2 信号分析的主要内容
• 3.1.3 实时分析
• 3.1.4 数字信号处理技术的特点
• 3.2 嵌入式数据采集单元设计
• 3.3 采集单元的主要技术指标
• 3.4 小结
• 第4章 故障诊断子系统算法设计与分析
• 4.1 机械故障诊断基础
• 4.2 可能故障类型
• 4.3 在线监测软件系统研究
• 4.4 故障分析方法
• 4.4.1 时域波形分析
• 4.4.2 频域谱分析
• 4.4.3 相关函数诊断法
• 4.4.4 幅值/相位合成谱（全息谱）分析技术
• 4.4.5 非平稳信号分析方法
• 4.5 小波分析方法
• 4.5.1 小波分解
• 4.5.2 奇异信号检测小波算法
• 4.5.3 小波阈值去噪
• 4.5.4 小结
• 第5章 专家系统设计
• 5.1 小波包特征向量提取算法
• M算法的BP神经网络'>5.2 基于L_M算法的BP神经网络
• 5.3 专家系统在实际中的应用
• 5.4 小结
• 第6章 在线监测诊断系统在热电厂的应用
• 6.1 监测系统硬件实施方案
• 6.2 监测系统软件功能
• 6.2.1 监测工作站C/S模式软件
• 6.2.2 Web服务器端B/S模式软件
• 6.2.3 数据分析功能
• 6.2.4 故障示例
• 结论与展望
• 参考文献
• 附录A 攻读学位期间发表的论文目录
• 附录B 攻读学位期间所参与的科研项目
• 致谢