江志农 王子嘉 张进杰 黄翼飞 茆志伟

1.北京化工大学高端机械装备健康监控与自愈化北京市重点实验室，北京，100029

2.北京化工大学发动机健康监控及网络化教育部重点实验室，北京，100029

3.北京博华安创科技有限公司，北京，101399

0 引言

应急柴油发电机组(emergency diesel generator，EDG)主要功能是在核电厂中压母线因为失去厂外正常电源或母线本身故障而导致失压时，为应急交流母线提供电源，向安全系统的负载以及其他指定的非安全物项供应电力，防止重要安全设备因为电源丧失而造成损坏或失效，确保反应堆紧急停堆，避免核泄漏，保证人身安全。2011年3月11日福岛核电中因遭遇海啸，应急柴油机厂房被淹没，导致全部电源失效而引发灾难[1]。EDG是保证核电厂安全可靠运行的重要设备，研究EDG故障诊断方法，对其可靠性提升具有重要意义。

EDG气门间隙往往会由于磨损或误调超出正常值[2-3]。目前，针对该故障的诊断方法，国内外已开展一些研究。文献[4]对EMD-WVD(empirical mode decomposition-Wigner Ville distribution)时频图像进行局部非负矩阵分解，得到图像特征参数用于分类器识别。文献[5]提出一种基于改进变分模态分解、伪魏格纳时频分析与局部非负矩阵分解的柴油机振动谱图像识别诊断方法，应用于气门间隙故障诊断。文献[6]利用Naive-Bayes方法对气门故障进行分类，最低分类精度高达92.45%。文献[7]建立了基于蚁群优化支持向量机的柴油机气门间隙故障诊断模型。随着深度学习算法的发展，概率神经网络应用于振动信号分类。在此基础上，提出新的组合权重自适应调制算法训练神经网络，对振动信号锥形核分布进行分类，进一步提高气门间隙故障识别精度[8-9]。……