基于小波分析的汽轮机振动预测研究.pdf

Computer Engineering and Applications 计算机工程与应用 2014 ，50（12） 263 基于小波分析的汽轮机振动预测研究 1 1 2 2 李慧君 ，杨继明 ，邓彤天 ，钟晶亮 1 1 2 2 LI Huijun , YANG Jiming , DENG Tongtian , ZHONG Jingliang 1.华北电力大学 能源动力与机械工程学院，河北 保定 071003 2.贵州电力试验研究院，贵阳 550000 1.Power and Mechanical Engineering College, North China Electric Power University, Baoding, Hebei 071003, China 2.Guizhou Electric Power Test Research Institute, Guiyang 550000, China LI Huijun, YANG Jiming, DENG Tongtian, et al. Steam turbine vibration prediction research based on wavelet analysis. Computer Engineering and Applications, 2014, 50（12）：263-265. Abstract ：As the power plant prediction of steam turbine rotor vibration time series is difficult, the wavelet decomposi- tion to realize trend prediction is proposed. Some non-stationary time series can be decomposed into several approximate stationary time series with wavelet decomposition. Decomposed time series are forecasted with auto-regression model, to obtain forecasting results of the original time series. Experiments with a power plant vibration signal show that the local and overall effect of the algorithm is better than neural network approaches. The result shows rotor vibration time series forecasting accuracy of this model. Key words ：wavelet analysis; time series; dynamic neural network; fault; predict 摘 要：针对电厂汽轮机转子振动时间序列的预测比较困难，提出采用小波分解实现趋势预测。小波分解将非平稳 时间序列分解成多层近似意义上的平稳时间序列，采用自回归模型对分解后的时间序列进行预测，从而得到原始时 间序列的预测值。以某电厂振动信号进行预测结果表明，该算法局部及整体效果优于神经网络模型预测法，验证了 该模型对转子振动时间序列预测的精确性。 关键词：小波分析；时间序列；动态神经网络；故障；预测 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn.1002-8331.1207-0445 1 引言 本文提出了基于小波分析的时间序列模型，建立了 随着现代工业的快速发展，高参数，大容量汽轮机 相应的预测模型，且实施了振动预测；并与神经网络模 已经成为我国火力发电的主要机组。汽轮发电机组振 型对汽轮机振动的预测进行了比较，该方法对工程实际 动是电厂中常见的现象，进行汽轮机振动预测，对于防