隨著我國國民經(jīng)濟(jì)的發(fā)展，一批大、中型甚至三峽工程這樣的巨型機(jī)組投入運(yùn)行，其穩(wěn)定性能尤為重要。穩(wěn)定性能已越來越成為衡量大、中型水電機(jī)組的重要性能指標(biāo)。而根據(jù)水電機(jī)組的運(yùn)行特點(diǎn)，表征水電機(jī)組穩(wěn)定運(yùn)行的參數(shù)主要有振動、擺度和壓力脈動，其中振動是水力機(jī)組穩(wěn)定性的最重要的指標(biāo)。

水電機(jī)組的振動直接影響機(jī)組的安全運(yùn)行、負(fù)荷合理分配及供電質(zhì)量，如果不加以控制，還會造成嚴(yán)重事故。因此，確定機(jī)組的運(yùn)行狀態(tài)和對故障的早期診斷，顯得十分重要。

水電機(jī)組振動故障診斷的主要內(nèi)容

水電機(jī)組的振動問題與一般動力機(jī)械的振動有所不同。水電機(jī)組振動除需考慮機(jī)組本身的轉(zhuǎn)動或固定部分的振動外，尚需考慮作用于發(fā)電機(jī)部分的電磁力及作用于水輪機(jī)過流部分的流體動壓力對系統(tǒng)及其部件振動的影響。

在機(jī)組運(yùn)轉(zhuǎn)的情況下，流體－機(jī)械－電磁三部分是相互影響的。因此，水電機(jī)組的振動是電氣、機(jī)械、流體耦合振動。根據(jù)水電站所積累的典型經(jīng)驗(yàn)，可將引起機(jī)組振動的原因劃分為機(jī)械、水力、電氣和噪聲等方面因素。

a.機(jī)械振動。水電機(jī)組最常見、最主要的故障是振動故障,而機(jī)械振動又最突出,因而有必要對其進(jìn)行分析。機(jī)械振動是由機(jī)組轉(zhuǎn)動部分質(zhì)量不平衡、轉(zhuǎn)輪等旋轉(zhuǎn)部件與固定件發(fā)生摩擦、密封不良等原因引起。對機(jī)械振動的監(jiān)測與診斷內(nèi)容主要有:導(dǎo)軸承及轉(zhuǎn)子軸系、機(jī)組固定部件、推力軸承。

b.電磁振動。電磁振動是由發(fā)電機(jī)轉(zhuǎn)子不圓、勵磁繞組匝間短路、定轉(zhuǎn)子磁場軸心不重合、定子和轉(zhuǎn)子間間隙不均勻及旋轉(zhuǎn)時產(chǎn)生不平衡磁拉力等原因引起。對電磁振動的監(jiān)測與診斷內(nèi)容主要有:發(fā)電機(jī)定轉(zhuǎn)子整體溫度和氣隙、定子極頻振動和轉(zhuǎn)子質(zhì)量不平衡等。

c.水力振動。大型水電機(jī)組的水力不穩(wěn)定問題具有一定的普遍性,它直接關(guān)系到機(jī)組運(yùn)行的可靠性。引起水力振動的原因有: 卡門渦列誘發(fā)的振動、尾水管內(nèi)漩渦引起的振動、固定導(dǎo)葉出水邊水流流態(tài)不良引起的振動、氣蝕引起的振動、轉(zhuǎn)輪密封處的自激振動等。對水力振動的監(jiān)測和診斷內(nèi)容為:蝸殼進(jìn)口壓力、尾水管壓力脈動、上下迷宮環(huán)脈動和導(dǎo)葉前后脈動等。

d.噪聲。水電機(jī)組的噪聲對環(huán)境的影響很大,噪聲的大小是機(jī)組穩(wěn)定性分析的重要參數(shù)。重點(diǎn)監(jiān)測內(nèi)容為水輪機(jī)及尾水管的噪聲和發(fā)電機(jī)的運(yùn)行噪聲。

水力發(fā)電機(jī)組振動故障診斷的主要研究方法

故障診斷技術(shù)的產(chǎn)生和發(fā)展為提高設(shè)備系統(tǒng)的可靠性和可維修性開辟了一條新的途徑。狀態(tài)監(jiān)測與故障診斷是以可靠性理論、信息論、控制論和系統(tǒng)論為理論基礎(chǔ),以現(xiàn)代測量儀器和計算機(jī)為工具,結(jié)合各種診斷對象的特殊規(guī)律逐步形成的一門新技術(shù),至今已產(chǎn)生了大量的故障診斷方法。

目前，在水力發(fā)電機(jī)組振動故障診斷中得以研究和應(yīng)用的主要有故障樹故障診斷方法、人工智能診斷方法、小波分析等方法，本文就以上主要診斷方法進(jìn)行研究比較。

1 故障樹診斷法

故障樹分析法將系統(tǒng)故障形成原因按樹枝狀逐級細(xì)化。把最容易發(fā)生的故障狀態(tài)作為故障樹的頂事件,尋找引起頂事件的直接原因,并將其邏輯關(guān)系用特定的邏輯符號表示出來,自上而下逐級分解,直到不能分解的底事件,形成故障樹。找出系統(tǒng)的薄弱環(huán)節(jié),以便采取相應(yīng)的改進(jìn)措施。

故障樹分析是故障診斷系統(tǒng)的基礎(chǔ)，也是現(xiàn)有故障診斷技術(shù)最有效、最基本的手段。作為一種傳統(tǒng)的診斷方法，故障樹診斷法在水電機(jī)組振動故障診斷中的應(yīng)用取得了一些成果。洪治等將模糊技術(shù)和故障樹分析法結(jié)合起來，提出一種模糊故障樹診斷方法，并將其應(yīng)用于水輪發(fā)電機(jī)系統(tǒng)的溫度故障診斷，實(shí)驗(yàn)研究表明這一方法可行、有效。

張國云等在傳統(tǒng)支持向量機(jī)(C-SVM)的基礎(chǔ)上,通過集成模糊聚類技術(shù)和支持向量機(jī)算法,構(gòu)造了一種適合于故障診斷的多級二叉樹分類器,并首次應(yīng)用于水輪機(jī)調(diào)速系統(tǒng)故障診斷,取得了良好效果。

故障樹診斷方法直觀、形象,能夠?qū)崿F(xiàn)快速的診斷;知識庫很容易動態(tài)地修改,并能保持一致性;概率推理可在一定程度上用于選擇規(guī)則的搜尋通道提高診斷效率;診斷技術(shù)與領(lǐng)域無關(guān),只要相應(yīng)的故障樹給定,就可以實(shí)現(xiàn)診斷。缺點(diǎn)是不能診斷不可預(yù)知的故障;診斷結(jié)果嚴(yán)重依賴于故障樹信息的正確性和完整性。

2 人工智能診斷方法

1 ）專家系統(tǒng)診斷法

專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。

從20世紀(jì)80年代開始，國內(nèi)許多學(xué)者開展了專家系統(tǒng)診斷法在水電機(jī)組振動診斷方面的應(yīng)用研究，并取得了一定的研究成果。鄧正鵬等以水電機(jī)組為研究對象，對故障診斷專家系統(tǒng)知識庫的建立從理論上和方法上進(jìn)行了研究，建立了基于C ++的產(chǎn)生式知識庫系。該方法已在白蓮河水電站水電機(jī)組故障診斷專家系統(tǒng)知識庫中獲得應(yīng)用，取得了良好的效果 。

劉曉波等等針對水輪發(fā)電機(jī)組故障原因與癥兆之間的復(fù)雜關(guān)系，建立了水輪發(fā)電機(jī)組故障診斷模糊專家系統(tǒng)，實(shí)例結(jié)果表明該系統(tǒng)推理效率高，可信度好。

專家系統(tǒng)故障診斷方法匯集眾多的專家知識,能對隨機(jī)發(fā)生的故障進(jìn)行診斷。但是知識獲取困難、知識庫更新能力差、多個領(lǐng)域?qū)＜抑R之間的矛盾難于處理、現(xiàn)有的邏輯理論的表達(dá)能力和處理能力有很大的局限性。

2）神經(jīng)網(wǎng)絡(luò)診斷法

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的基本思想是：以故障特征信號作為神經(jīng)網(wǎng)絡(luò)輸入，診斷結(jié)果作為神經(jīng)網(wǎng)絡(luò)輸出。首先利用已有的故障征兆和診斷結(jié)果對神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)通過權(quán)值記憶故障征兆與診斷結(jié)果之間存在的對應(yīng)關(guān)系；然后將得到的故障征兆加到神經(jīng)網(wǎng)絡(luò)的輸入端，就可以利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，并得到相應(yīng)的診斷結(jié)果。

目前，神經(jīng)網(wǎng)絡(luò)診斷法已越來越廣泛的應(yīng)用到水電機(jī)組振動故障診斷系統(tǒng)中來。梁業(yè)國等將神經(jīng)網(wǎng)絡(luò)方法引入到水輪發(fā)電機(jī)組的故障診斷中來，通過對發(fā)電機(jī)設(shè)備故障診斷的具體應(yīng)用，證明此方法是有效可行的。陳林剛等針對現(xiàn)有水電機(jī)組狀態(tài)監(jiān)測系統(tǒng)功能不完善、不夠智能化的缺點(diǎn)，開發(fā)了基于神經(jīng)網(wǎng)絡(luò)的水電機(jī)組智能故障診斷系，實(shí)驗(yàn)結(jié)果表明此系統(tǒng)的診斷結(jié)果準(zhǔn)確可靠，具有良好的實(shí)用價值。

3）模糊診斷法

模糊診斷方法是利用集合論中的隸屬度函數(shù)和模糊關(guān)系矩陣的概念來解決故障與征兆之間的不確定關(guān)系。在模糊故障診斷中,構(gòu)造隸屬函數(shù)是實(shí)現(xiàn)模糊故障診斷的前提。模糊故障診斷方法主要有基于模糊模式識別的診斷方法、基于模糊推理的診斷方法、基于模糊模型的診斷方法等。

模糊邏輯的引入主要是為了克服由于過程本身的不確定性、不精確性以及噪聲等所帶來的困難,因而在處理復(fù)雜系統(tǒng)的大時滯、時變及非線性方面,顯示出它的優(yōu)越性。模糊故障診斷方法的不足之處是對復(fù)雜的診斷系統(tǒng),要建立正確的模糊規(guī)則和隸屬函數(shù)是非常困難,而且需要花費(fèi)很長的時間。

4）小波分析

小波分析和小波變換是當(dāng)前數(shù)學(xué)中一個迅速發(fā)展的新領(lǐng)域，能夠解決許多傅立葉變換難以解決的問題,它在時域和頻域都有良好的局域化能力,能聚焦到信號的任意細(xì)節(jié),對信號的突變有很強(qiáng)的識別能力,能有效地去噪和提取有用信號。

小波分析故障診斷方法先對信號進(jìn)行多級小波分解,得到各子帶數(shù)據(jù)。通過對小波變換系數(shù)模極大值的檢測來實(shí)現(xiàn)對信號奇異性的檢測,從而確定故障發(fā)生的時間。小波分析非常適合非平穩(wěn)信號,對于平穩(wěn)信號而言,同樣有效。分析信號的奇異性位置和奇異性的大小都是比較有效的。因此小波分析為水輪機(jī)故障診斷提供了新的分析方法。

彭文季等提出應(yīng)用頻譜法和小波神經(jīng)網(wǎng)絡(luò)對水電機(jī)組的振動故障進(jìn)行診斷，診斷結(jié)果表明，頻譜分析與這種小波神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行故障診斷簡單有效、并具有診斷速度快和泛化能力強(qiáng)等優(yōu)點(diǎn)。李郁俠等利用小波包分析能有效地提取機(jī)組振動信號中的有用成分，采用小波包分解方法提取特殊頻段上的能量特征值作為神經(jīng)網(wǎng)絡(luò)輸入向量，運(yùn)用于工程實(shí)例，取得良好效果。

5）其它診斷方法

鑒于故障樹診斷方法、人工智能診斷方法、小波分析等方法的優(yōu)缺點(diǎn)，目前,一些學(xué)者正致力于研究將其它的技術(shù)手段引入水電機(jī)組的振動故障診斷中來，形成一種基于這些方法的綜合智能故障診斷方法。

楊曉萍等建立了基于信息融合技術(shù)的神經(jīng)網(wǎng)絡(luò)證據(jù)融合故障診斷系統(tǒng)，診斷實(shí)例表明,經(jīng)過多故障特征信息融合,診斷結(jié)論的可信度明顯提高,可以有效提高確診率。王榮榮等將粗糙集理論和遺傳算法引入水輪發(fā)電機(jī)組故障診斷中，提高故障診斷效率。

劉忠等針對目前水電機(jī)組故障診斷中存在的建模復(fù)雜、樣本需求量大及診斷學(xué)習(xí)缺乏自主連續(xù)性等問題,提出了基于免疫原理的故障診斷方法。鄒敏等將支持向量機(jī)引入水電機(jī)組故障診斷研究,提出一種結(jié)合小波頻帶分解與最小二乘支持向量機(jī)的水電機(jī)組故障診斷模型。

結(jié)論

水電機(jī)組振動故障診斷是一個多階段、多層次的復(fù)雜過程,不同階段用到的知識內(nèi)容、表達(dá)形式及解決問題的思維方式都不盡相同。所以完成一個完整的故障診斷過程,常常需要多知識表達(dá)形式和多推理模式及合理的控制機(jī)構(gòu)來解決診斷問題。

單一的故障診斷技術(shù)都有各自的優(yōu)缺點(diǎn),難以滿足復(fù)雜系統(tǒng)診斷的全部要求。因此，將多種故障診斷技術(shù)合理的結(jié)合在一起,發(fā)揮各自的優(yōu)點(diǎn),形成綜合故障診斷技術(shù),將是水電機(jī)組振動故障診斷技術(shù)的發(fā)展方向。

（本文選編自《電氣技術(shù)》，原文標(biāo)題為“水力發(fā)電機(jī)組振動故障診斷技術(shù)綜述”，作者為辛晟、郭磊。）