一种水电机组的故障诊断方法技术

本发明专利技术公开的水电机组的故障诊断方法，首先，提取水电机组不同故障振动信号的特征参数，建立故障集；其次，将布谷鸟搜索算法的步长因子和发现概率嵌入到最优解的寻优过程中，并由解的质量来自适应选择适宜的控制参数值，体现了面向不同优化问题的普适性。同时，利用非均匀变异算子对当前最优解的搜索步长进行自适应调节，进一步提高了算法的收敛精度。再次，采用自适应布谷鸟搜索算法来寻找BP神经网络的最佳权阈值参数，随之建立了水电机组的故障诊断模型；与神经网络模型以及布谷鸟搜索神经网络模型相比，该方法能显著提高水电机组故障定位的效率和准确性。

【技术实现步骤摘要】
一种水电机组的故障诊断方法
本专利技术属于水力发电系统的故障诊断
，具体涉及一种水电机组的故障诊断方法。
技术介绍
水电机组是水力发电系统中的一个关键设备，它的健康状况直接影响着水电厂的运行状态。据统计，约有80％的故障或事故与水电机组的振动密切相关。因此，从水电机组的振动信号入手，进而建立相应的模型已成为诊断机组故障的重要手段。然而，鉴于机组发生振动故障的原因复杂多样，涉及机械、电磁和水力等多方面的因素，其故障模式识别与分类方法就成为研究的热点与难点。事实上，水电机组的振动故障诊断问题属于一类典型的小样本、非线性和高维的模式识别问题。目前所设计的机组故障诊断模型往往是从振动信号入手，以提取反映振动原因的故障特征参数，再利用人工智能方法进行故障诊断。其中，以神经网络和支持向量机的应用较为广泛。尽管神经网络具有较强的非线性映射能力，并在故障诊断领域获得了大量应用。然而，神经网络的诊断性能受初始权阈值参数的选取影响严重，而支持向量机的最优参数同样难以获得。这就需要探索一种有效的进化算法以寻找最佳参数，进而提高水电机组的振动故障诊断的精度。布谷鸟搜索(CS)算法具有实现过程简单、控制本文档来自技高网...

【技术保护点】
1.一种水电机组的故障诊断方法，其特征在于，具体按照如下步骤实施：步骤1、收集水电机组多种故障模式所对应的振动信号，并对故障模式进行编码后作为输出样本；步骤2、提取各振动信号所对应的特征值，并采用随机选取的方式将该特征值分为两组，分别作为BP神经网络的训练集和测试集；步骤3、按照BP神经网络的输出误差最小原则来确定BP神经网络的拓扑结构；步骤4、将BP神经网络的权阈值参数编码为自适应布谷鸟搜索算法的解向量，并将自适应布谷鸟搜索算法的步长因子和发现概率嵌入到解的搜索过程中，通过搜索得到自适应布谷鸟搜索算法的最优解，并将所述最优解作为BP神经网络的最优权阈值参数；步骤5、将步骤4获得的最优权阈值参...

【技术特征摘要】
1.一种水电机组的故障诊断方法，其特征在于，具体按照如下步骤实施：步骤1、收集水电机组多种故障模式所对应的振动信号，并对故障模式进行编码后作为输出样本；步骤2、提取各振动信号所对应的特征值，并采用随机选取的方式将该特征值分为两组，分别作为BP神经网络的训练集和测试集；步骤3、按照BP神经网络的输出误差最小原则来确定BP神经网络的拓扑结构；步骤4、将BP神经网络的权阈值参数编码为自适应布谷鸟搜索算法的解向量，并将自适应布谷鸟搜索算法的步长因子和发现概率嵌入到解的搜索过程中，通过搜索得到自适应布谷鸟搜索算法的最优解，并将所述最优解作为BP神经网络的最优权阈值参数；步骤5、将步骤4获得的最优权阈值参数赋予BP神经网络，采用步骤2得到的训练集对具有最优权阈值参数的BP神经网络再次进行学习训练，得到自适应布谷鸟搜索神经网络的诊断模型；步骤6、利用自适应布谷鸟搜索神经网络诊断模型对测试集进行故障诊断，输出水电机组故障的诊断结果，并将诊断结果与步骤1得到的输出样本进行比较，判断出水电机组的故障类型。2.如权利要求1所述的一种水电机组的故障诊断方法，其特征在于，步骤1中，所述故障模式包括转子不平衡、转子不对中、尾水管偏心涡带及无故障。3.如权利要求1所述的一种水电机组的故障诊断方法，其特征在于，步骤2中，所述特征值选择振动信号频谱分量的幅值为：<0.5f0、f0、2f0、3f0、>3f0，其中，f0为基频。4.如权利要求1所述的一种水电机组的故障诊断方法，其特征在于，步骤3中，所述输出误差E为：式(1)中，N为训练集的样本数，yi为第i个样本的网络实际输出值，Oi为第i个样本的期望输出值。5.如权利要求1所述的一种水电机组的故障诊断方法，其特征在于，步骤4具体包括如下步骤：步骤4...

【专利技术属性】
技术研发人员：程加堂，熊燕，任志刚，
申请(专利权)人：红河学院，
类型：发明
国别省市：云南,53