梁红梅1，肖志怀2

（1.新疆昌吉职业技术学院，新疆昌吉 831100；2.武汉大学水力机械过渡过程教育部重点实验室，武汉 430072）

基于SA－WNN模型的水电机组故障诊断研究

梁红梅1，肖志怀2

（1.新疆昌吉职业技术学院，新疆昌吉 831100；2.武汉大学水力机械过渡过程教育部重点实验室，武汉 430072）

针对水电机组振动故障征兆和故障类型的非线性特性及传统小波网络在故障诊断中的缺陷，设计了一种基于模拟退火算法的小波神经网络（SA－WNN）故障诊断模型；将SA－WNN诊断模型应用到水电机组4种典型故障，验证其可行性；实例结果表明，与传统小波网络相比，基于模拟退火算法优化的小波神经网络训练次数少，收敛精度高，为水电机组故障诊断提供了新途径。

模拟退火算法；小波神经网络；水电机组；故障诊断

0 引言

水电站在电网系统中承担着调频、除峰填谷、黑启动等重任，确保了系统稳定运行［1］。水轮发电机组是水电站的核心，庞杂的机组结构及组成部件高度的集成化使得水电机组运行过程中的故障率明显提升，故障类型也更加复杂。据统计，水电机组大约80%的故障表现在机组振动上［2］。水电机组区别于其他旋转机械，其振动信号受到水力因素、机械因素及电气因素的共同影响［3］，且三者呈现出高度的耦合性。耦合效应导致振动信号拥有水、机、电三性特征，非线性化突出。所以故障诊断遇到了一定的技术难题，即无法利用简单的‘故障字典法’建立振动信号特征量与故障原因两者之间一对一的线性关系模型以实现故障诊断。……