第1章 绪论 1
1.1 水力机组状态监测与故障诊断的研究 1
1.2 水力机组状态监测与故障诊断的任务 2
1.3 水力机组状态监测与故障诊断的相关技术 3
1.4 国内外状态监测与故障诊断技术发展及应用状况 5
1.4.1 国外状态监测与故障诊断技术发展及应用状况 5
1.4.2 国内状态监测与故障诊断技术发展及应用状况 6
第2章 状态监测常用传感器 7
2.1 传感器选用原则 7
2.2 电阻式传感器 9
2.2.1 变阻式传感器 9
2.2.2 应变式传感器 10
2.2.3 应用注意事项 17
2.3 电感式传感器 18
2.3.1 自感式传感器 18
2.3.2 互感式传感器 21
2.3.3 电涡流式传感器 22
2.3.4 应用注意事项 24
2.4 电容式传感器 24
2.4.1 工作原理和分类 24
2.4.2 测量电路 26
2.4.3 应用注意事项 27
2.5 磁电式传感器 27
2.5.1 磁电感应式传感器 28
2.5.2 霍尔式传感器 29
2.6 压电式传感器 31
2.6.1 工作原理 31
2.6.2 测量电路 32
2.7 光电式传感器 33
2.7.1 工作原理 34
2.7.2 应用注意事项 37
2.8 热电式传感器 37
2.8.1 接触式热电传感器 37
2.8.2 非接触式热电传感器 40
2.8.3 应用注意事项 40
第3章 水力机组状态监测技术 42
3.1 稳定性监测 42
3.1.1 水力机组固定部件振动监测 43
3.1.2 导轴承及转子轴系状态监测 44
3.1.3 过流部件水力稳定性监测 45
3.1.4 键相监测 46
3.2 效率监测 47
3.2.1 流量监测 47
3.2.2 工作水头监测 49
3.2.3 发电机有功功率的测定 50
3.2.4 效率计算 51
3.3 空化空蚀监测 52
3.3.1 空蚀类型及产生的原因 52
3.3.2 空化空蚀监测方法 54
3.4 气隙与磁场强度监测 56
3.4.1 气隙监测 56
3.4.2 磁场强度监测 58
3.5 局部放电监测 58
3.5.1 局部放电类型及产生的原因 58
3.5.2 局部放电的表征参数 60
3.5.3 局部放电监测方法 60
3.6 轴电压监测 63
3.6.1 轴电压产生机理 63
3.6.2 轴电压监测方法 64
3.7 主要技术难点及研究方向 65
3.7.1 低频振动监测 65
3.7.2 水轮机关键部件应力与裂纹监测 67
3.7.3 水轮机过流部件泥沙磨损监测 68
3.7.4 发电机转子绕组温度监测 69
第4章 状态监测信号的采集与特征提取 70
4.1 状态监测信号的采集 70
4.1.1 信号预处理 70
4.1.2 A/D转换 72
4.1.3 信号的截断及窗函数 75
4.2 状态监测信号的特征提取 79
4.2.1 时域分析 79
4.2.2 频域分析 82
4.2.3 信号的时频域分析 88
4.2.4 短时傅里叶变换 90
4.2.5 小波变换 92
4.2.6 Cohen族时频分布 98
4.2.7 经验模式分解 100
4.3 状态监测常用图谱 101
4.3.1 波德图 101
4.3.2 极坐标图 102
4.3.3 瀑布图 103
4.3.4 极联图 104
4.3.5 轴心位置图 104
4.3.6 轴心轨迹图 104
第5章 水力机组故障机理分析 106
5.1 机组振动故障 106
5.1.1 机械振动 107
5.1.2 电磁振动 107
5.1.3 水力振动 109
5.1.4 振动分析及测振 115
5.2 水轮机空蚀与泥沙磨损破坏 118
5.3 发电机故障 118
5.3.1 发电机定子故障 118
5.3.2 发电机转子故障 119
第6章 水力机组智能故障诊断模型 121
6.1 故障树法 121
6.1.1 故障树分析的基本理论 122
6.1.2 故障树生成和故障源搜寻 122
6.1.3 故障树的定性分析 123
6.1.4 故障树的定量分析 124
6.1.5 故障树重要度分析 125
6.2 专家系统 126
6.2.1 专家系统的基本理论 126
6.2.2 水力机组故障诊断专家系统 127
6.3 人工神经网络 129
6.3.1 人工神经网络的发展 129
6.3.2 BP算法及网络结构 130
6.3.3 BP神经网络模型 131
6.3.4 BP神经网络模型的局限性及优化策略 132
6.4 基于免疫系统的故障诊断 133
6.4.1 免疫系统的故障诊断概述 133
6.4.2 水力机组运行状态空间描述 133
6.4.3 故障诊断系统与人工免疫系统的映射关系 133
6.4.4 基于免疫应答机制的水轮发电机组典型故障故障诊断 134
6.5 贝叶斯网络 136
6.5.1 概述 136
6.5.2 贝叶斯网络的概率论基础 137
6.6 混合模型 138
6.6.1 遗传-神经网络 138
6.6.2 粗糙集-神经网络 141
6.6.3 故障树分析与智能模型的融合 143
6.7 应用举例 144
6.7.1 Zernike矩-粗糙集-神经网络轴心轨迹模式识别模型 144
6.7.2 基于GA-BP的水力机组故障诊断专家系统 147
附录 模拟轴心轨迹数据 151
参考文献 155