马 亮 ，杨萍萍 ，龚雨含

(1.河北联合大学 轻工学院，河北 唐山 063000；2.河北联合大学 电气工程学院，河北 唐山 063000)

TRT系统中的透平机作为一种旋转机械，是高炉煤气余压发电设备中的重要组成部分，它的正常运转可以保证稳定高炉炉顶压力，降低炉况的变化范围，使高炉更易取得高效的产出，其结构复杂，故障特征的表现及故障的产生原因普遍具有模糊性和复杂性，对其进行潜伏性故障诊断存在一定的困难[1-5]。针对以上问题，国内外在此方面已经进行了一定的研究，但是与其在生产中广泛应用的现状不相符合。

针对以上情况，本文在对高炉煤气余压发电技术做深入了解的基础上，选择此技术中的关键设备透平机作为研究对象，针对其存在旋转机械的特点，通过理论分析，首先应用小波变换的方法[6-7]将透平机运行状况相关数据中的噪声滤除，然后通过分析透平机运行过程中相关环节的关系，在现场采集到的大量数据信息积累的基础上，采用量子神经网络实现对TRT系统中透平机运行状况的潜伏性故障诊断。

1 透平机运行数据的预处理

由于TRT机组的工作现场环境复杂，透平机的运行受到电磁及地面振动等诸多因素的影响，从传感器获得的信号中不可避免地混有大量的噪声干扰，这对正确预测透平机的运行状况非常不利。因此，首先需要对从现场采集到的透平机运行数据进行滤波处理。

在仿真实验中，首先确定阈值，由于Donoho给出的通用阈值计算方法所得出阈值在不同尺度上是相同的，而噪声通过小波变换所产生的小波系数在不同尺度中都是均匀分布的，其幅值伴随尺度的增加不断减少。……