数事技术与应用
基于主成分分析法的
应用研究
水电机组智能故障数字技术诊断系统研究
华瑶1王晨琢”
(1.东北电力大学经济管理学院吉林吉林132012;2.东北电力大学自动化工程学院
吉林吉林
132012
摘要:应用基于主元分析的计算方法实现水轮发电机的故障诊断。介绍了主元分析法的原理；总结了水电机组的故障集、征兆集和教障特征数据以MATLAB为平台进行了水电机组改障诊断的具体实例分析,证明该方法是一种可行有效的水电机组改障诊断方法。PCA的降炸作用也为BP网络的创练和识别减化了大量的运算过程,从而可以提高神经网络训练和识别的速度,同时神经网络处理数据维数的降低,不仅避免了BP网络在训练过程中由于处理数据维数过高而前馈的危险，而且还提高神经网络的分辨单。
关键词：本电机组故障诊断主成分分析中图分类号：TM312
1故障征兆集的确定
文献标识码:A
文章编号:1007-9416(2015)10-0113-02
X=4,/、X2=a4z/f4。其中A,表示振动幅值，Ji、2、、
故障案例中记录了水电机组故障时刻各监测参数的监测值，通过对收集的大量故障案例的统计分析IH。经过征兆提取，两类12种故障征兆。因为水轮机组故障诊断的依据并不仅仅局限于振动特征，也反映在转速、负荷、励磁电流等相关因素上，固此可以以振动随转速、负荷、励磁电流、过机流量等因素的变化而变化的运行特征为参考3]分别用x，～2表示。其中：,=4z/、X=4z/2、
分别表示转速、负荷、流量和励磁电流。
1.1故障样本收集
表2-1为收集整理后的40组故障样本经过归一化处理后的数据。转子质量不平衡、机组轴线不对中、动静残摩、轴承间障过大，四种归属于机械振动的故障样本各10组。
表2-1样本数据
样本 x
x x x x. x, x. x. X X Xa 状态
特征向量
2 m 12 21 22 31 32
-
0.0200 0.1429 0.3333 0.1429 0.8600 0.8542 0.9583 0.0200 1.0000 1.0000 0.8824 0.6667 a
收移日期：2015-09-14
2 1.6818 1.4622
0.7822 0.6886
0.2627 0.2469
0.3834 0.3971
11
0.0400 0.1429 0.0000 0.1429 0.9000 0.000 0.0000 0.0400 0.8286 0.1875 0.0882 0.6667
0.0200 0.1429 0.3333 0.1429 0.0200 0.0417 0.0625 1.0000 0.0286 0.0625 0.0588 0.3333 a
表2-2样本特征向量
22 0.5604 0.3653
0.0944 0.1109
0.2414 0.2336
0.7002 0.6939
2 0.0589 0.1581
0.0618 0.0137
0.1343 0.1810
0.0097 0.0999
31
0000°1 0.1429 0.3333 0.0000 0.0000 0.0208 0.0208 0.9200 0.0286 0.8125 0.0588 0.3333 a
24 0.0650 0.0316
0.2173 0.2230
0.0852 0.0828
0.2014 0.2098
作者简介：华瑞(1956—),男,汉族，吉林人,职务：东北电力大学经济管理学院教师,职称：教投,学历：博士,研究方向为市场营销;主晨球(1990—),
男，汉族,河北唐山人,东北电力大学自动化工程学院2013级控制工程专业在读硕士,研究方向为故障诊断。
113