基于混沌理论的汽轮机组振动状态预测方法研究.pdf

东北电力技术 2009年第8期 基于混沌理论的汽轮机组振动状态预测方法研究 MethodologyResearchonVirbrationStateForecasting ofTurbineUnitBasedonChaosTheory 郝晓冬，王 峰 (华北电力大学，河北 保定 071003) 摘要 ：针对故障状态下汽轮发电机组振幅的变化呈非线性的特性 ，以混沌理论为基础 ，将最大Lyapunov指数的预测模型引 入汽轮机组故障趋势预示，阐述了构造预报函数，或F的两种方法，提供了混沌时间序列的最大可预测时间的计算方法。通 过对Bently试验台采集数据的分析，证明了在最大预测时间内，该预测方法是较理想的。 关键词：混沌时间序列；状态预测；最大Lyapunov指数；汽轮机组 、 [中图分类号]TK268．1；TP206．3 [文献标识码]B [文章编号]1004—7913(2009)08—0046—04 某一变量或指标的数值或观测值，按照其出现时间 1 概述 的先后次序，以相同的间隔时间排列的一组数值。 机械设备状态预测是设备诊断中必不可少的一 分析观测时间序列的演变规律是掌握系统动力学特 个环节。旋转机械是工业上应用最广泛的机械，且 性的重要手段。混沌预测方法就是在相空间中找到 旋转机械常工作在高速状态下，预测其状态尤为重 -一个非线性模型去逼近系统动态特性，实现一定时 要。故障状态下的汽轮机组轴系振动幅值时间序列 期内的预测。该模型也可用来识别系统是否包含混 是含有动态趋势项和随机波动项的非线性时间序 沌特性，是预测领域的重要组成部分。在汽轮机状 列，使得机组振幅的变化呈现出复杂的非线性特 态监测与故障诊断领域，振动信号的时间序列预报 征。机组振幅时间序列反映了机组在故障状态下的 具有很重要的价值，它可以用来监测系统状态、异 宏观整体特征 (动力学特征)，同时也蕴涵着系统 常行为以及预报故障的发展趋势等。 未来的演化信息，因此可以建立相应的故障状态下 2 混沌系统识别判别法 机组振幅时间序列非线性预测模型来研究故障状态 下机组的内在规律并预测其演变机制 ¨。 混沌系统初值敏感性是指相空间中初始距离很 设备状态预测是根据对设备连续监测所得到的 近的两条轨迹会 以指数速率发散，Lapunov指数就 历史数据来确定设备 目前的运行状态，并预测其发 是根据相轨迹有无扩散运动特征来判别系统的混沌 展趋势及设备的残存寿命，对设备维护与维修决策 特性 。 l_apunov指数定义 2』：设相轨迹上两点之间距 具有重大意义 。 传统的预测方法主要有动力学方法和数理统计 离为J (t。)I，用 I舐(t)J表示经过n次迭代后两点 n一1 方法。这些方法的共同特点是先建立数据模型，根 之间的距离，由式ISx(t)l=l8x(to)I_兀if[(t)]I 据数据模型进行计算和预测，不可避免带有主观 1 n—l = I舐(￡