摘要：在人們生活水平不斷提高的背景下，水電機組在生產(chǎn)生活當中的作用越來越突出。它是電能的重要生產(chǎn)設備，具有較強的穩(wěn)定性和較高的運行效率。面對水電機組在振動過程當中出現(xiàn)的故障，需要結合先進的科學技術進行及時診斷，最大限度地降低損失。實現(xiàn)對診斷方法的創(chuàng)新，實現(xiàn)故障診斷的智能化發(fā)展對于提高水電機組的穩(wěn)定性具有重要的意義?；诖耍恼聫乃姍C組常見的振動故障出發(fā)，探究了對這些故障進行智能診斷的方法。

關鍵詞：水電機組;振動故障;智能診斷;診斷方法

一、水電機組常見的振動故障

（一）軸系運行故障

在正常的情況下，水電機組軸系在運行的時候，機組的中心與其旋轉(zhuǎn)的中心、軸線這三者是位于同一條直線上。當運行一段時間之后，三者之間就可能會出現(xiàn)一定的偏差，如果這一偏差在允許的范圍之內(nèi)的話并不會對機組實際運行的效果產(chǎn)生影響。而如果這一偏差超過了一定的范圍之后，就會對整個軸系的穩(wěn)定性和質(zhì)量產(chǎn)生影響。在軸系運行的過程當中，常見的故障包括不對中、不平衡、松動等。在對這些故障進行診斷的時候，要對整個軸承的運行情況進行實時檢測，這樣才能了解軸系實際運行的情況，從而可以在這個基礎上找到相應的配重方案。

（二）發(fā)電機故障

發(fā)電機是水電機組的核心構成部分，在發(fā)電機設計、制造、安裝的過程中如果出現(xiàn)失誤的話，都會對最終的運行效果產(chǎn)生不良的影響，甚至會造成運行異常的狀態(tài)。通常來說，發(fā)電機常見故障包括四類：一是發(fā)電機定子故障，含定子機座振動、定子鐵芯故障和定子繞組故障;二是發(fā)電機轉(zhuǎn)子故障，包括轉(zhuǎn)子鐵芯故障和轉(zhuǎn)子繞組故障;三是發(fā)電機不平衡故障，包括發(fā)電機轉(zhuǎn)子質(zhì)量不平衡和發(fā)電機電磁不平衡;四是發(fā)電機電磁振動，含發(fā)電機的轉(zhuǎn)頻振動和極頻振動。

二、水電機組振動故障的智能診斷方法

（一）專家系統(tǒng)診斷法

專家系統(tǒng)當中含有大量的專業(yè)知識，它集合了多個領域?qū)＜业慕?jīng)驗，可以通過人工智能技術和計算機技術來對水電機組的故障進行準確判斷。在應用該方法的過程中，系統(tǒng)可以模擬專家決策的過程，對水電機組故障進行一系列的推理與判斷，促進這些問題的高效解決和問題的及時處理，無論是在理論還是工程實踐方面都有著廣泛的應用。在對水電機組振動故障進行診斷的過程當中，專家系統(tǒng)主要是通過知識系統(tǒng)和推理系統(tǒng)來發(fā)揮作用的，這其中包括知識庫、數(shù)據(jù)庫、推理體系、解釋器等多個模塊。近年來，專家系統(tǒng)已經(jīng)成為水電機組故障診斷領域當中最引人注目的一個發(fā)展方向，同時也是應用最為廣泛的一種診斷方法，它主要是由以下三種方法所構成的。第一種是它可以基于淺層知識來進行判斷，這一方法的推理速度比較快，但如果待診斷對象比較復雜的話，系統(tǒng)就會展示出知識不集中的問題，很容易陷入診斷困境當中。第二種是基于深層知識而進行的診斷，它具有方便快捷的方式，維護起來也更加簡單，能夠最大限度地確保知識庫的一致性。但是在應用的過程當中，由于該方法搜索的范圍比較大，因此整個推理過程比較緩慢。第三種是混合知識型的系統(tǒng)，它結合了上述兩種方法的優(yōu)點，可以先通過淺層推理的過程產(chǎn)生初步的診斷假設，然后通過深層診斷的方法來進行確認。但這種方法對知識庫的豐富度和專業(yè)水平依賴性比較強，缺乏自學習和自適應的機制。

（二）人工神經(jīng)網(wǎng)絡診斷法

這種方法是通過模擬人類的神經(jīng)系統(tǒng)來對水電機組的故障進行診斷的，具有較高的智能化水平，可以通過多種智能化的方式來實現(xiàn)對信息的處理。這種診斷方法的特點是包含了多種科學，同時展現(xiàn)出了廣闊的應用前景。由于神經(jīng)網(wǎng)絡具有記憶的功能，因此在使用的過程當中可以實現(xiàn)自適應和自學習，故障計算過程更加簡便、故障評估過程也更加客觀。與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡診斷法具有較強的自學習和自適應能力，同時可以將當前的水電機組測試數(shù)據(jù)與歷史故障數(shù)據(jù)進行科學的對比，準確地對故障進行識別，因此在可靠性方面具有獨特的優(yōu)勢。但是在使用的過程當中這種方法容易受到訓練樣本數(shù)量的顯示，診斷系統(tǒng)也比較隱蔽，它對推理過程和所存儲知識的意義難以真正理解，無法對診斷結果進行合理解釋。

（三）貝葉斯網(wǎng)絡法

貝葉斯網(wǎng)絡法在對水電機組進行智能診斷時，能夠采用圖論和概率理論結合的方式對水電機組中的不確定因素進行診斷，采用概率計算的方式對水電機組的故障進行科學的判斷，在進行概率計算時采用的原則為乘法規(guī)則和加法規(guī)則兩種。相較于其他機械設備的振動故障而言水電機組振動故障較為復雜，在對水電機組進行故障診斷時，貝葉斯網(wǎng)絡方法能夠?qū)λ姍C組運行中的不確定因素進行量化分析，并采用概率計算的方式準確地計算出水電機組運行故障的概率，診斷結果具有較高的精準度。

三、結語

綜上所述，水電機組在振動的過程當中會受到多種因素的影響，因此故障的構成要素比較復雜，除了會受到機械因素的影響之外，還會受到各種自然因素的影響。與此同時，在故障診斷的過程中對各項信息的搜集難度比較大，對各項故障的分析也并不全面。當前，水電機組振動故障的診斷雖然在向著智能化的方向不斷發(fā)展，但是目前還無法實現(xiàn)對全部故障的有效診斷。在未來，人工智能、物聯(lián)網(wǎng)技術還將會實現(xiàn)合理的運用，故障算法也將進一步擺脫對歷史數(shù)據(jù)的依賴，實現(xiàn)在線診斷。

參考文獻：

[1]王玉靜，那曉棟，康守強，等.基于EEMD-Hilbert包絡譜和DBN的變負載下滾動軸承狀態(tài)識別方法[J].中國電機工程學報，2017，37（23）：6943-6950，7085.

作者簡介： 譚輝州，貴州共筑未來建設工程有限公司。