足球比分直播

组合模型在汽轮机转子振动状态预测中的应用.pdf

返回
组合模型在汽轮机转子振动状态预测中的应用.pdf_第1页
第1页 / 共73页
组合模型在汽轮机转子振动状态预测中的应用.pdf_第2页
第2页 / 共73页
组合模型在汽轮机转子振动状态预测中的应用.pdf_第3页
第3页 / 共73页
组合模型在汽轮机转子振动状态预测中的应用.pdf_第4页
第4页 / 共73页
组合模型在汽轮机转子振动状态预测中的应用.pdf_第5页
第5页 / 共73页
点击查看更多>>
资源描述:
华北电力大学硕士学位论文原创性声明本人郑重声明此处所提交的硕士学位论文组合模型在汽轮机状态预测中的应用,是本人在导师指导下,在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者虢矩踊着 吼肌年;崩日华北电力大学硕士学位论文使用授权书组合模型在汽轮机状态预测中的应用系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解华北电力大学关于保存、使用学位论文的规定,同意学校保留并向有关部门送交论文的复印件和电子版本,允许论文被查阅和借阅。本人授权华北电力大学,可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于请在以上相应方框内打“√”保密口,苟 年解密后适用本授权书不保密影作者签名 馨绚着翩虢撕日期别险年2月夕少日同期沙f≯年乡月掰日华北电力大学硕士学位论文摘 要本文分析国内外汽轮状态监测与故障诊断的发展现状。从机组安全运行角度和由定期检修过渡到故障检修的要求提出的汽轮机转子振动状态预测的重要性和必要性。第二章从理论上分析了旋转机械转子不平衡、动静碰摩、转子不对中、自激振动和部件松动等几种常见的故障并总结了其主要故障特征,为汽轮机转子振动状态预测提供理论指导。第三章详细分析了ARp、MAg、和ARMAg等时间序列模型;介绍了人工网络神经模型基本原理和BP网络模型,为各单一预测模型和组合预测模型的建立提供了理论依据。由于汽轮发电机组振动系统是一个实时的非线性系统。要对机组状态进行预测,就必须建立一个合适的模型,同时满足对预测精度和预测速度的要求。为了提高预测精度,本文提出了一种基于ARIMA以Zg和BP网络的新型组合预测方法。在这种组合预测方法中,把振动序列看成由线性相关部分和非线性相关部分两部分组成,用ARIMA慨Zg去预测线性相关部分,用BP网络去预测非线性相关部分,充分利用了各单一模型的优点,提高了预测精度。为了提高预测速度,本文给出了一种新的工程解决办法,把预测模型结构分成在线预测和模型训练两部分。模型训练部分根据不段采集的数据不断训练新模型;当模型一训练完毕马上转移到在线预测部分供其使用,这样在线预测部分不会因为模型的训练和更新导致预测的中断,达到了提高预测精度和预测速度的效果。本文建立了汽轮机转子实验台并模拟机组不同的工作状态,用DASP软件采集转子在不同工作状态下的振动数据并提取振动峰峰值。用各单一预测模型和组合预测模型对不同状态下的水平和垂直振动峰峰值进行预测,并通过预测精度和预测速度说明了该方法的有效性。最后将各单一模型和组合模型封装在MATLAB GUI程序中并将其转化为C程序,使它能够在MATLAB和DOS环境下运行,具有更广泛的适用性。关键词汽轮机;转子;振动;组合模型;预测华北电力大学硕士学位论文AbstractIn this paper’the deVelopment of steam turbine condition monitoring and faultdiagIlosis at home and abroad haVe been introduced.The turbine rotor Vibration stateforcasting was put forward based on the steam turbine safely working and changingfrom periodic repair to correctiVe maintenance.In the second chapter,the commonfaults of rotor imbalance,rubbing,rotor misalignment,oscillation and componentsloose etc.haVe been analyzed in theory and their main feature haVe been giVen out.A11 of these provide the guidance of turbine state prediction.The time series modelsuch as AR⑦,MAg,and ARMA 0,gand the artificial neural network modelhaVe been analysed in detailin the chapter three and they are the basic principle ofeach unique forecasting model and me hybrid forecasting model.As well known, the system of rotor Vibration is typically nonlinear andtimedependent and me forecasting model for rotor Vibration should satisfy therequirement of the accuracy of prediction and the speed of calculation.In order tos01ve the contradiction between fbrecasting accuracy and computing speed,a newhybrid model based on AIRMAp,Z gand BP model for rotor Vibration onlineforecasting has been proposed in the paper. In this new ,the time series ofvibration have been considered containing both linear and nonlinear stnlctures andthe ARIMA⑦,Z gmodel and BP model are used to predict the 1inear and nonlinearpart respectiVel y.By this way we can take adVantage of the unique model andforecast the turbine state more accuratel y.A new forecasting model stmcture haVebeen give out in the paper.In this ,the structure was diVided into two partswhich are也e model training pan and the online forecasting part.New forecastingmodel is trained continuously by the model training pan based on the real一time data.Once the new model trained,it is shifted to the online f.orecasting part and used toforecast the rotor vibration.In this new ,the online forecasting part hasavoi ded the timeconsuming model training process and the f.orecasting model can berenewed in time without intermpting the prediction.The steam tu而ine rotor experiment set has established to simulate the steamturboset’s dif-ferent working state and used the DASP software to c01lect the Vibrationdata.The ARIMA⑦,Z g,BP model and hyb“d model haVe established and used tof-orecast the vibration of different state in horizontal and vertical direction.Experimental results show mat the proposed is Valid for rotor Vibrationstate forecasting. Finally, a MATLAB GUI pro铲am containing each uniqueforecasting model and the hybrid forecasting model was biult and then changed to theC program.By this way,the program with a friendly interface can work under theII.华北电力大学硕士学位论文MATLAB and DOS enviroll][11ent and be widely used.Keywordssteam turbine,rotor,Vibration,hybrid model,forecasting.II.华北电力大学硕士学位论文目 录摘要.IAbstract..II第1章绪论11.1选题背景及其意义11.2国内外研究动态21.3课题研究内容31.4本文的主要内容与结构4第2章旋转机械故障机理62.1概述62.2旋转机械故障机理.62.2.1转子不平衡..72.2.2转子动静碰磨..82.2.3转子不对中.92.2.4白激振动.92.2.5部件松动1 02.3旋转机械故障诊断理论和技术102.3.1设备诊断技术的内容102.3.2故障征兆的提取与诊断推理方法112.4本章小节13第3章汽轮机转子振动状态预测的理论基础.143.1时间序列..143.1.1时间序列分类143.1.2时间序列的特征统计量153.1.3平稳时间序列的定义163.2 ARIMA模型.1 73.2.1 AR◇模型..1 73.2.2 MAg模型.203.2.3 ARMA⑦,g模型.223.2.4 ARIMAp,Zg模型24一111.华北电力大学硕士学位论文3.3神经网络模型一253.3.1人工神经网络基本概述253.3.2人工神经元模型253.3.3人工神经元数学模型273.3.4人工神经元激励函数283.3.5人工神经网络模型303.3.6人工神经网络的训练.3l3.3.7 BP神经网络..323.3.8 BP网络的改进..353.4本章小结..36第4章基于组合模型的汽轮机转子振动状态预测.374.1汽轮机转子实验台..374.2振动数据采集..384.2.1正常状态下振动数据384.2.2质量偏移状态下振动数据394.2.3碰摩状态下振动数据404.2.4轴承基松动状态下振动数据414.3建立组合预测模型一414.3.1组合模型414.3.2在线预测模型424.4转子振动状态预测一434.4.1不同状态下转子振动峰峰值444.4.2转子振动峰峰值预测474.4.3各种预测方法的误差计算564.4.4模型训练与在线预测耗时对比574.4.5在线预测程序584.5本章小结一60第5章结论与展望.615.1研究内容与成果一615.2建议与展望..62参考文献63攻读硕士学位期间发表的论文.67华北电力大学硕士学位论文致谢68.V.华北电力大学硕士论文1.1选题背景及其意义第1章绪论随着电力工业的快速发展,越来越多的高参数大容量机组投入运行,汽轮发电机组轴系也越来越复杂,汽轮发电机组转子振动可能造成的危害也越来越严重,如何保证这些机组安全可靠地运行,对国民经济的发展具有十分重要的意义【I 2|。要保证汽轮发电机组在一定的工作环境和一定的工作期间内安全经济地运行,就要求汽轮发电机组的状态监测与诊断系统必须具备正确反映设备当前的运行状态、准确诊断设备潜在的隐患及其程度,并预测未来一时问段内设备运行状态的发展趋势这三项功能【3j。但从目前国内的研究情况来看,很多资料和成果主要是针对状态监测和故障诊断的研究,而对机组状态预测的研究较少,已不能满足电力发展的需求。状态监测、故障诊断和状态预测是设备故障诊断系统的重要组成部分。从实际工程应用上来说,能够准确快速地预测机组的末来一时间段内的状态及其发展趋势显得更为重要,因为机组运行人员不但关心机组现在的运行状态,更想知道接下来一段时间内机组的发展趋势以便更好地指导生产【4J。经过50多年的发展,设备状态监测与故障诊断已经从传统的二次仪表和现场状态记录发展到人工智能与专家故障诊断系统。以二次仪表为基础的现场状态数据记录要求工作人员凭借自己经验跟据现场记录的数据推断机组现在可能的故障状态和推测机组的发展趋势,这已不能满足电力工业发展的需求【5j;以传感器技术、现代信号处理技术和计算机为基础的设备故障诊断系统得到了快速发展,它可以实现机组状态远程监控和智能故障诊断并预测机组末来一段时问内的发展趋势,让机组运行人员及时了解机组现在的状态、可能存在的故障和发展趋势,能够更好地指导运行产生,减少事故的发生,提高机组运行的安全性;同时机组故障诊断和状态预测为机组从传统的定期检修到状态检修奠定了基础,减少了因过度检修造成的人力和物力的损失和未能及时检修时可能引发的事故,同时提高了机组的可用性和安全性,有利于提高机组的经济效益【2J。近年来,机组设备状态监测与故障诊断技术得到了快速发展,因为它对企业和生产人员具有重大意义,主要有以下几方面原因1有利于机组故障的早期发现并及时处理。汽轮发电机组的故障一般具有一定的时延性,即从原发性故障到系统故障的发生、发展与形成是一个渐变过程。汽轮发电机组运行状态往往表现在振动幅值上,即机组当前的振动幅值与其在过去时刻的振动幅值有一定的关系,使振幅序列问有一定的关联性,这种关联性是预测的基础【6J。机组状态预测就是建立一个合适的数
展开阅读全文
收藏
下载资源

加入会员免费下载





足球比分直播