1、在新時代綠色能源背景下，大力發(fā)展水電能源對我國能源結(jié)構(gòu)優(yōu)化調(diào)整和社會經(jīng)濟(jì)可持續(xù)發(fā)展具有重要的戰(zhàn)略意義。作為水電站能源轉(zhuǎn)換的關(guān)鍵核心設(shè)備，目前，水電機(jī)組呈現(xiàn)出巨型化、綜合化、高速化、超臨界化和智能化的發(fā)展趨勢，其運(yùn)行過程面臨的故障安全問題日益突出。為降低機(jī)組故障事故風(fēng)險，確保機(jī)組安全穩(wěn)定運(yùn)行，積極開展水電機(jī)組故障診斷研究已在工程界和學(xué)術(shù)界達(dá)成共識。實(shí)際應(yīng)用中，除因機(jī)組自身復(fù)雜結(jié)構(gòu)特性和多種激勵振源干擾外，現(xiàn)有故障診斷理論方法的不足和局限性

2、，在一定程度上阻礙了故障診斷從理論研究向工程應(yīng)用的轉(zhuǎn)化。本文圍繞水電機(jī)組故障診斷中存在的非平穩(wěn)信號分析處理和特征提取、多維特征約簡以及復(fù)雜故障模式識別等問題，以經(jīng)驗(yàn)?zāi)B(tài)分解、流行學(xué)習(xí)、混合引力搜索、支持向量機(jī)和隨機(jī)森林等為理論基礎(chǔ)與研究手段，探索并克服現(xiàn)有方法存在的理論與應(yīng)用缺陷，提出了若干有效的水電機(jī)組非平穩(wěn)振動信號分析與特征提取改進(jìn)方法，針對高維特征冗余干擾等問題，探索并構(gòu)建了基于空間映射和智能搜索的兩種特征約簡方法，最終通過引入支

3、持向量機(jī)和隨機(jī)森林故障識別理論，構(gòu)建了融合時頻分析和特征約簡的水電機(jī)組混合故障診斷模型，為該領(lǐng)域的理論方法創(chuàng)新提供了新的研究思路，并具有一定的工程應(yīng)用價值。
　　本研究主要內(nèi)容包括：⑴針對經(jīng)驗(yàn)?zāi)B(tài)分解存在的端點(diǎn)飛翼現(xiàn)象，深入分析了端點(diǎn)效應(yīng)發(fā)生的本質(zhì)原因與解決方法，提出了一種極值點(diǎn)混合延拓的經(jīng)驗(yàn)?zāi)B(tài)分解端點(diǎn)效應(yīng)抑制方法，該方法有效融合了支持向量回歸機(jī)和鏡像偶延拓的方法優(yōu)點(diǎn)。在信號分解初始階段，利用支持向量回歸機(jī)良好的近端點(diǎn)預(yù)測能力對

4、信號極值點(diǎn)序列進(jìn)行兩端延拓；在信號低頻部分，通過鏡像偶延拓方法有效規(guī)避了支持向量回歸機(jī)極值點(diǎn)樣本訓(xùn)練數(shù)據(jù)不充足，且抑制效果不理想的問題。最后，采用所提方法對水電機(jī)組多故障振動仿真信號進(jìn)行分解，并與鏡像延拓和支持向量回歸機(jī)信號序列延拓方法進(jìn)行對比分析，結(jié)果表明所提方法能夠有效抑制端點(diǎn)效應(yīng)，并具有較低的計算時耗。⑵考慮到水電機(jī)組尾水管壓力脈動信號的非平穩(wěn)及噪聲沖擊特性，為提高經(jīng)驗(yàn)?zāi)B(tài)分解方法的模態(tài)混疊抑制能力，引入集成經(jīng)驗(yàn)?zāi)B(tài)分解時頻分析方

5、法。針對集成經(jīng)驗(yàn)?zāi)B(tài)分解存在的參數(shù)選擇難、高時耗、殘噪污染等問題，在互補(bǔ)集成經(jīng)驗(yàn)?zāi)B(tài)分解的基礎(chǔ)上，創(chuàng)造性地提出了一種自適應(yīng)快速集成經(jīng)驗(yàn)?zāi)B(tài)分解算法。研究通過揭示白噪聲頻率上限與集成經(jīng)驗(yàn)?zāi)B(tài)分解計算效率的間接正比例增長規(guī)律，描述了集成經(jīng)驗(yàn)?zāi)B(tài)分解小噪聲幅值情況下模態(tài)混疊問題的消除機(jī)制，基于此，將白噪聲幅值和集成試驗(yàn)次數(shù)分別固定設(shè)置為目標(biāo)信號序列標(biāo)準(zhǔn)差的0.01倍和2，提出了一種相對均方根誤差指標(biāo)的白噪聲頻率上限自適應(yīng)確定方法，突破了集成經(jīng)

6、驗(yàn)?zāi)B(tài)分解關(guān)鍵參數(shù)難以設(shè)定的難題。通過仿真實(shí)例和國際標(biāo)準(zhǔn)故障診斷案例驗(yàn)證了所提方法的有效性與先進(jìn)性。最終，將所提方法應(yīng)用到水電機(jī)組尾水管壓力脈動信號分析中，表明了方法的工程實(shí)用性。⑶為了抑制高維特征空間存在的特征冗余和敏感信息易淹沒等問題，通過分析局部和總體主成分分析算法的優(yōu)勢和局限性，構(gòu)建了樣本點(diǎn)鄰域關(guān)系的皮爾遜相似系數(shù)的衡量指標(biāo)和邊權(quán)重確定規(guī)則，進(jìn)而提出了自適應(yīng)近鄰關(guān)系的監(jiān)督型局部和總體主成分分析新型數(shù)據(jù)約簡方法。同時考慮到水電機(jī)組

7、故障小樣本特性，建立了融合流行學(xué)習(xí)特征約簡和支持向量機(jī)的多類故障診斷模型，通過電站實(shí)際故障案例驗(yàn)證了模型的有效性，并與其他特征降維方法進(jìn)行了對比分析。此外，針對更為復(fù)雜的故障診斷問題，提出了一種多維廣域特征的振動故障混合診斷策略，該方法有效融合了概率統(tǒng)計分析和基于機(jī)器學(xué)習(xí)的診斷方法，將整個診斷過程簡化為三大步驟：故障初步監(jiān)測、故障類型識別和故障程度確定。最后，將混合診斷策略應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷中，結(jié)果表明所提方法不僅提高了故障診斷精度

8、，而且有效降低了診斷模型的復(fù)雜度，改善了計算效率，同時，為水電機(jī)組復(fù)雜故障診斷問題提供了一種有效的解決思路。⑷針對基于空間映射的特征約簡方法難以評價各特征屬性優(yōu)劣程度的問題，同時為消除模型參數(shù)對隨機(jī)森林診斷精度的影響。從另一特征約簡角度出發(fā)，提出了一種基于混合引力搜索算法和隨機(jī)森林的轉(zhuǎn)子系統(tǒng)故障診斷模型。該模型從特征子集和模型參數(shù)兩方面對隨機(jī)森林故障診斷模型進(jìn)行了優(yōu)化改進(jìn)，針對特征子集選擇，采用二進(jìn)制引力搜索算法進(jìn)行最優(yōu)子集尋優(yōu)，同時采