摘要：在人們生活水平不斷提高的背景下，水電機(jī)組在生產(chǎn)生活當(dāng)中的作用越來越突出。它是電能的重要生產(chǎn)設(shè)備，具有較強(qiáng)的穩(wěn)定性和較高的運(yùn)行效率。面對(duì)水電機(jī)組在振動(dòng)過程當(dāng)中出現(xiàn)的故障，需要結(jié)合先進(jìn)的科學(xué)技術(shù)進(jìn)行及時(shí)診斷，最大限度地降低損失。實(shí)現(xiàn)對(duì)診斷方法的創(chuàng)新，實(shí)現(xiàn)故障診斷的智能化發(fā)展對(duì)于提高水電機(jī)組的穩(wěn)定性具有重要的意義?；诖?，文章從水電機(jī)組常見的振動(dòng)故障出發(fā)，探究了對(duì)這些故障進(jìn)行智能診斷的方法。

關(guān)鍵詞：水電機(jī)組;振動(dòng)故障;智能診斷;診斷方法

一、水電機(jī)組常見的振動(dòng)故障

（一）軸系運(yùn)行故障

在正常的情況下，水電機(jī)組軸系在運(yùn)行的時(shí)候，機(jī)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(dāng)運(yùn)行一段時(shí)間之后，三者之間就可能會(huì)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(huì)對(duì)機(jī)組實(shí)際運(yùn)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(huì)對(duì)整個(gè)軸系的穩(wěn)定性和質(zhì)量產(chǎn)生影響。在軸系運(yùn)行的過程當(dāng)中，常見的故障包括不對(duì)中、不平衡、松動(dòng)等。在對(duì)這些故障進(jìn)行診斷的時(shí)候，要對(duì)整個(gè)軸承的運(yùn)行情況進(jìn)行實(shí)時(shí)檢測(cè)，這樣才能了解軸系實(shí)際運(yùn)行的情況，從而可以在這個(gè)基礎(chǔ)上找到相應(yīng)的配重方案。

（二）發(fā)電機(jī)故障

發(fā)電機(jī)是水電機(jī)組的核心構(gòu)成部分，在發(fā)電機(jī)設(shè)計(jì)、制造、安裝的過程中如果出現(xiàn)失誤的話，都會(huì)對(duì)最終的運(yùn)行效果產(chǎn)生不良的影響，甚至?xí)斐蛇\(yùn)行異常的狀態(tài)。通常來說，發(fā)電機(jī)常見故障包括四類：一是發(fā)電機(jī)定子故障，含定子機(jī)座振動(dòng)、定子鐵芯故障和定子繞組故障;二是發(fā)電機(jī)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(jī)不平衡故障，包括發(fā)電機(jī)轉(zhuǎn)子質(zhì)量不平衡和發(fā)電機(jī)電磁不平衡;四是發(fā)電機(jī)電磁振動(dòng)，含發(fā)電機(jī)的轉(zhuǎn)頻振動(dòng)和極頻振動(dòng)。

二、水電機(jī)組振動(dòng)故障的智能診斷方法

（一）專家系統(tǒng)診斷法

專家系統(tǒng)當(dāng)中含有大量的專業(yè)知識(shí)，它集合了多個(gè)領(lǐng)域?qū)＜业慕?jīng)驗(yàn)，可以通過人工智能技術(shù)和計(jì)算機(jī)技術(shù)來對(duì)水電機(jī)組的故障進(jìn)行準(zhǔn)確判斷。在應(yīng)用該方法的過程中，系統(tǒng)可以模擬專家決策的過程，對(duì)水電機(jī)組故障進(jìn)行一系列的推理與判斷，促進(jìn)這些問題的高效解決和問題的及時(shí)處理，無論是在理論還是工程實(shí)踐方面都有著廣泛的應(yīng)用。在對(duì)水電機(jī)組振動(dòng)故障進(jìn)行診斷的過程當(dāng)中，專家系統(tǒng)主要是通過知識(shí)系統(tǒng)和推理系統(tǒng)來發(fā)揮作用的，這其中包括知識(shí)庫、數(shù)據(jù)庫、推理體系、解釋器等多個(gè)模塊。近年來，專家系統(tǒng)已經(jīng)成為水電機(jī)組故障診斷領(lǐng)域當(dāng)中最引人注目的一個(gè)發(fā)展方向，同時(shí)也是應(yīng)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(gòu)成的。第一種是它可以基于淺層知識(shí)來進(jìn)行判斷，這一方法的推理速度比較快，但如果待診斷對(duì)象比較復(fù)雜的話，系統(tǒng)就會(huì)展示出知識(shí)不集中的問題，很容易陷入診斷困境當(dāng)中。第二種是基于深層知識(shí)而進(jìn)行的診斷，它具有方便快捷的方式，維護(hù)起來也更加簡單，能夠最大限度地確保知識(shí)庫的一致性。但是在應(yīng)用的過程當(dāng)中，由于該方法搜索的范圍比較大，因此整個(gè)推理過程比較緩慢。第三種是混合知識(shí)型的系統(tǒng)，它結(jié)合了上述兩種方法的優(yōu)點(diǎn)，可以先通過淺層推理的過程產(chǎn)生初步的診斷假設(shè)，然后通過深層診斷的方法來進(jìn)行確認(rèn)。但這種方法對(duì)知識(shí)庫的豐富度和專業(yè)水平依賴性比較強(qiáng)，缺乏自學(xué)習(xí)和自適應(yīng)的機(jī)制。

（二）人工神經(jīng)網(wǎng)絡(luò)診斷法

這種方法是通過模擬人類的神經(jīng)系統(tǒng)來對(duì)水電機(jī)組的故障進(jìn)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(shí)現(xiàn)對(duì)信息的處理。這種診斷方法的特點(diǎn)是包含了多種科學(xué)，同時(shí)展現(xiàn)出了廣闊的應(yīng)用前景。由于神經(jīng)網(wǎng)絡(luò)具有記憶的功能，因此在使用的過程當(dāng)中可以實(shí)現(xiàn)自適應(yīng)和自學(xué)習(xí)，故障計(jì)算過程更加簡便、故障評(píng)估過程也更加客觀。與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡(luò)診斷法具有較強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力，同時(shí)可以將當(dāng)前的水電機(jī)組測(cè)試數(shù)據(jù)與歷史故障數(shù)據(jù)進(jìn)行科學(xué)的對(duì)比，準(zhǔn)確地對(duì)故障進(jìn)行識(shí)別，因此在可靠性方面具有獨(dú)特的優(yōu)勢(shì)。但是在使用的過程當(dāng)中這種方法容易受到訓(xùn)練樣本數(shù)量的顯示，診斷系統(tǒng)也比較隱蔽，它對(duì)推理過程和所存儲(chǔ)知識(shí)的意義難以真正理解，無法對(duì)診斷結(jié)果進(jìn)行合理解釋。

（三）貝葉斯網(wǎng)絡(luò)法

貝葉斯網(wǎng)絡(luò)法在對(duì)水電機(jī)組進(jìn)行智能診斷時(shí)，能夠采用圖論和概率理論結(jié)合的方式對(duì)水電機(jī)組中的不確定因素進(jìn)行診斷，采用概率計(jì)算的方式對(duì)水電機(jī)組的故障進(jìn)行科學(xué)的判斷，在進(jìn)行概率計(jì)算時(shí)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(jī)械設(shè)備的振動(dòng)故障而言水電機(jī)組振動(dòng)故障較為復(fù)雜，在對(duì)水電機(jī)組進(jìn)行故障診斷時(shí)，貝葉斯網(wǎng)絡(luò)方法能夠?qū)λ姍C(jī)組運(yùn)行中的不確定因素進(jìn)行量化分析，并采用概率計(jì)算的方式準(zhǔn)確地計(jì)算出水電機(jī)組運(yùn)行故障的概率，診斷結(jié)果具有較高的精準(zhǔn)度。

三、結(jié)語

綜上所述，水電機(jī)組在振動(dòng)的過程當(dāng)中會(huì)受到多種因素的影響，因此故障的構(gòu)成要素比較復(fù)雜，除了會(huì)受到機(jī)械因素的影響之外，還會(huì)受到各種自然因素的影響。與此同時(shí)，在故障診斷的過程中對(duì)各項(xiàng)信息的搜集難度比較大，對(duì)各項(xiàng)故障的分析也并不全面。當(dāng)前，水電機(jī)組振動(dòng)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(shí)現(xiàn)對(duì)全部故障的有效診斷。在未來，人工智能、物聯(lián)網(wǎng)技術(shù)還將會(huì)實(shí)現(xiàn)合理的運(yùn)用，故障算法也將進(jìn)一步擺脫對(duì)歷史數(shù)據(jù)的依賴，實(shí)現(xiàn)在線診斷。

參考文獻(xiàn)：

[1]王玉靜，那曉棟，康守強(qiáng)，等.基于EEMD-Hilbert包絡(luò)譜和DBN的變負(fù)載下滾動(dòng)軸承狀態(tài)識(shí)別方法[J].中國電機(jī)工程學(xué)報(bào)，2017，37（23）：6943-6950，7085.

作者簡介： 譚輝州，貴州共筑未來建設(shè)工程有限公司。