福州大学电气工程与自动化学院的研究人员陈珊珊、杨耿杰，在年第6期《电气技术》杂志上撰文指出，故障诊断技术是保证水轮发电机组安全可靠运行的关键。本文描述了水轮发电机组的振动特性、特征量提取、故障诊断方法，对现有方法进行归类并分析其优缺点，介绍了近年来国内外水电机组振动故障诊断研究最新进展及应用情况，探讨了水电机组故障诊断技术未来可能的发展趋势。

近年来，我国水电机组的单机容量、装机容量都保持着高速增长，水电发展规模日益增大。大约80%的水电机组故障都反映于振动信号中，异常的振动轻则对设备正常运行产生影响，重则可能造成设备的破坏，直接影响水电机组的安全稳定运行，甚至可能引发厂房事故，造成严重的经济损失。

因此有必要研究水轮发电机组的振动特性、运行状态和故障防护，使机组在发生故障时能够迅速而准确地做出诊断，以减少停机维修时间，同时也促进水电站向无人值守的自动化方向发展，获得巨大的经济效益和社会效益。

水电机组的故障诊断通常基于振动信号进行分析。首先，采集水轮发电机组一个或多个测点的振动信号，然后处理信号，并提取能够表征信号的特征量，评估水电机组的运行状态，最后对异常的运行工况进行故障诊断，判断故障发生的部位、原因和严重程度。具体流程图如图1所示。

1水轮发电机组振动特性

水电机组设备庞大、机理复杂，水力振动、电磁振动及机械振动是其运行过程中产生振动的主要因素，下面展开具体说明。

水轮机中水流与设备之间相互作用产生的动水压力导致了水力振动。影响水力振动的主要因素有：尾水管压力脉动、水力不平衡、卡门涡列、水封间隙不均匀、空腔气蚀、水流不均匀等。其频率特性主要表现为：涡带频率和类转频频率。

电动机设备内部的电磁力导致了电磁振动，主要因素包括：不平衡的三相电流，定、转子间气隙不均，定子铁心松动等。一般来说，电磁振动的频率特性表现为：极频及其整数倍频。

水轮机组机械部件的摩擦力、惯性力和其他力导致了机械振动。影响机械振动的主要因素包括：轴线不对中或对中不良，导轴承缺陷，旋转部件质量不平衡等。在机械振动中，其频率特性主要表现为：转频及其整数倍频。

由此可知，水力、机械、电磁三种因素互相影响、共同作用于机组，使得机组的振动信号包含信息众多，故障发生时往往难以确定故障原因。因此，对于故障的前兆与类别之间的不确定信息乃至二者复杂的映射关系，还需要进行深入地研究与实践。

2故障特征提取

对于非线性非平稳的水电机组振动信号的处理，主要通过提取信号的有效特征量，使故障征兆从嘈杂的噪声中突显出来，作为故障诊断的输入。到目前为止，时域、频域、时频域、轴心轨迹分析法等是水电机组提取故障特征量的重要方法。

2.1基于时域分析的特征提取方法

时域分析方法，是通过获取振动信号波形中各种时域参数和指标并进行分析，从而提取时域特征量的方法。迄今为止，在时域中应用较为广泛的参数及其指标主要包括峰值、方差、均值、峭度、脉冲值、相角、裕度因子等。

有学者提出了一种典型谱相关峭度图算法，用相关峭度指标代替峭度指标，既反映了信号中的瞬态信息，同时满足相关系数，有利于快速定位故障信号所在的频率区间，提高算法的鲁棒性。

时域分析计算简单，且能直观反映特征信息，随着机组故障的出现，大多时域特征参量会发生改变。但对于不同故障类型及严重程度，时域分析统计参量则难以做出具体判断，也无法有效反映信号的频率变化。

2.2基于频域分析的特征提取方法

由于水电机组振动信号在频域内具有明显的分布特征，因此频域分析方法在故障特征量提取中应用较为广泛。频域分析方法以傅里叶变换（fastFouriertransform,FFT）为基础，通过对振动信号进行谱分析，提取频率特征作为故障特征量。常用的频域分析方法主要包括功率谱、幅值谱、包络谱、倒频谱、全息谱分析等。

有学者分解并重构了水轮机转动部分同一切面上两个互相垂直的传感器采集的数据，得到二维全息谱图。信号的相位信息和幅频信息都包含在谱图中，能够直接看出最大幅值、旋转方向、轨迹的形状等。根据二维谱图中的形状，可以从已有的案例中，初步得出造成机组振动的主要原因。

在上述影响振动因素的相互作用下，水电机组振动信号通常展现出非平稳、非线性的特性。由于傅里叶变换是建立在信号全局上的变换，无法对非平稳、非线性信号进行局部分析，同时纯频域分析方法在时域上不具备分辨能力。因此以傅里叶变换为基础的频域分析方法存在一定的局限性。

2.3基于时频分析的特征提取方法

为了更好地体现非平稳、非线性振动信号的局部特性，获得相对于频率和时间的信号变化规律，引入基于时频分析的特征提取方法。目前常见的时频分析方法有小波变换（wavelettransform,WT）、希尔伯特黄变换（Hilbert-Huangtransform,HHT）、Cohen类分布等。

1）WT

WT是用一组宽度不断变化的基函数对信号进行分析的时频分析方法，通过多分辨率分析将振动信号变换到不同频段和时段进行局部分析，从而得到信号异常部分的细节特征。有学者通过对振动信号使用小波变换，选择合适的小波分解尺度和类型，获得了能够反映振动特征的系数图。同时结合灰度矩，将其数值作为判断振动信号强度的定量指标。

有学者利用小波包分析，根据故障发生时各频带能量发生的变化，建立振动故障与能量的映射关系，通过频带的能量谱图，实现了故障信号特征量的提取。有学者用图像拟合了连续小波变换的模极大值与尺度的对数关系，用Lispschitz指数的大小表征机组故障程度，在实际故障诊断分析中效果显著。

WT同时兼顾了时间分辨率和频率分辨率，使其结果在两个域内都具有良好的局部特性，但实际应用中需要解决小波基的选择问题，不具有自适应性。

2）HHT

HHT在振动信号分析中应用非常广泛，其分析过程主要包括两部分：经验模态分解（empiricalmodede

转载请注明:http://www.aideyishus.com/lkcf/3303.html