1、隨著我國電力工業(yè)進入發(fā)展大電網與大機組的新階段，同步發(fā)電機作為電網的心臟，其運行可靠性將直接影響到電網的安全運行及國民經濟的發(fā)展。因此，研究發(fā)電機故障診斷方法具有重要的現實意義。 本文選取汽輪發(fā)電機轉子繞組匝間短路和轉子支承軸系機械振動兩類典型故障進行了研究。本文主要研究內容有： 依據復雜系統任務“分解-綜合”思想設計了汽輪發(fā)電機故障綜合診斷系統的結構，研究了三種典型的故障征兆信息特征提取方法，同時研究了基于同源多特征信

2、息和異類多源信息的綜合診斷方法。 針對轉子繞組匝間短路故障，運用小波分析理論，對定、轉子氣隙中探測線圈的感應電勢進行奇異值特征提取，并依據這些特征值，實現對匝間短路故障的檢測及故障槽位的精確定位。仿真表明，小波分析方法不僅可以檢測故障，還能準確定位發(fā)生故障的槽位。 針對轉子支承軸系機械振動故障，在深入了解故障和征兆之間的關系、存在標準信息群的場合，研究了模糊綜合評判診斷方法，針對其可能會出現錯判、漏判或不易判別等缺點，采

3、用了一種基于模糊分層理論的診斷方法，示例對比分析證明，該方法對汽輪發(fā)電機的單一故障和多故障的情況均能有效地進行診斷，明顯優(yōu)于模糊綜合評判的診斷方法。 針對轉子支承軸系多機械振動故障，在缺乏標準信息群的場合，研究了基于模糊等價矩陣的聚類分析法和SOM神經網絡法，但該聚類分析法在已知故障模式比較多時，聚類過程將非常繁瑣；同時SOM神經網絡法對多故障情況不易作出正確的判斷，因此，本文提出了將此模糊聚類分析和SOM神經網絡相結合的診斷法