4
应用能源技术
doi:10.3969/j. issn. 1009 3230.2016.11.002
2016年第11期（总第227期）
汽轮机转子典型振动故障诊断模型训练系统
郭海峰
（天津国华盘山发电有限责任公司，天津301900）
摘要：文中基于支持向量机分类理论，运用二叉树算法建立了汽轮机转子典型故障的多分类诊断模型训练系统。通过小波包分析、经验模态分解(EMD)和傅里叶变换(FFT)三种信号处理方法训练出的诊断模型训练系统对测试样本分类的正确率、比较三种训练方法的优劣。
关键词：小波包分析；经验模态分解；傅里叶变换；二叉树算法；支持向量分类机
文献标志码：B文章编号：1009-3230(2016)11-0004-02
中图分类号：TK268
ResearchofTurbineRotorVibrationFaultDiagnosis
forTypicalModelTrainingSystem
GUO Hai -feng
(Tianjin Guohua Panshan Power Generation Co., Ltd. Tianjin 301933, China)
Abstract:Based on the theory of support vector machine (SVM) classification, steam turbine rotor seaseeseea e(EMD) and Fourier transform (FFT) of three kinds of signal processing methods based on the statistics of the diagnosis model for training system are analyzed. In a certain extent, the pros and cons of three kinds of training methods can be compared.
Key words: Wavelet packet analysis; EMD; FFT; Binary tree algorithm; SVM
0引言
随科技的发展，汽轮机不断朝着大型化、高速化和自动化的方向发展。这些发展在提高生产效率的同时，对设备的安全运行也提出了更严格的要求。对汽轮机进行振动状态监测与故障诊断，是保证汽轮机安全经济运行的重要途径。为了进行汽轮机参数检测、质量评价、状态监测和故障诊断等，必须采取有效的振动信号处理方法提取各种特征信息。因此汽轮机振动信号的处理方法已成为科学研究的热点之一[]。
振动信号的处理方法很多，典型的现代方法有Wigner-Ville分布、谱分析、小波分析、盲源分离、Hilbert-Huang变换和高阶统计量分析
收稿日期：201609-12
修订日期：20160928
作者商介：郭海峰，天津国华盘山发电有限责任公司。
万方数据
等[2-4]。其中Wigner-Ville分布、小波分析、盲源分离、Hilbert-Huang变换和高阶统计量分析对非平稳信号都有很好的效果，所以得到了广泛的应用。
文中基于支持向量机分类理论[5-6],运用二叉树算法建立了汽轮机转子典型故障的多分类诊断模型训练系统。针对从众多指标中直观地判断汽轮机转子运行状态比较困难的问题，采用以转子振动信号中的半频、工频、二倍频、三倍频、四倍频为故障信号特征的方法，通过小波包分析、经验模态分解（EMD）和傅里叶变换（FFT）三种信号处理方法提取并生成故障特征矩阵作为诊断模型训练系统的输入参数。通过统计三种信号处理方法训练出的诊断模型训练系统对测试样本分类的正确率、在一定程度上可以比较三种训练方法的优劣。