Page 114 - 2022年第53卷第9期

水 利 学 报

２０２２年 ９月 ＳＨＵＩＬＩ ＸＵＥＢＡＯ 第 ５３卷 第 ９期

文章编号：０５５９ － ９３５０（２０２２）０９ － １１２７ － １３

融合改进符号动态熵和随机配置网络的

水电机组轴系故障诊断方法

１
２
１
１
１
陈 飞 ，王 斌 ，周东东 ，赵志高 ，丁 晨 ，陈帝伊 １
（１．西北农林科技大学 水利与建筑工程学院，陕西 杨凌 ７１２１００；
２．武汉大学 水资源与水电工程科学国家重点实验室，湖北 武汉 ４３００７２）
摘要：现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上，存在故障信息缺失和传感
器测点选择困难等问题。为此，提出了一种基于精细复合多元多尺度 符 号 动 态 熵 （ＲＣＭＭＳＤＥ）和 随 机 配 置 网 络
（ ＳＣＮ）相结合的水电机组轴系故障诊断方法。首先，将精细复合技术引入 ＲＣＭＭＳＤＥ模型中，改进了传统多元多
尺度熵粗粒化不足的问题。然后，通过提取水电机组不同传感器振动信号的 ＲＣＭＭＳＤＥ值作为故障特征。最终，
将故障特征输入 ＳＣＮ网络实现水电机组轴系故障的准确识别。仿真结果表明，ＲＣＭＭＳＤＥ － ＳＣＮ模型在两个不同
数据集上分别取得了 ９７．５８％和 ９９．１７％的诊断率，验证了所提模型具有良好的诊断性能。同时，对比不同诊断模
型在多元传感器信号和单一传感器信号两种不同情景下的诊断情况，表明融合多元振动信号可以有效改善水电机
组轴系故障诊断模型的识别性能。本研究为融合水电机组多元传感器振动信号故障诊断提供了一种新的方法，具
有良好的借鉴价值。
关键词：水电机组；故障诊断；多元多尺度符号动态熵；随机配置网络；特征提取
中图分类号：ＴＭ３１２
文献标识码：Ａ ｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２２００８３

１ 研究背景

随着水电机组朝着巨型化和智能化方向发展，复杂的机械结构以及多变的运行任务导致机组发生
故障的概率进一步增大。作为低速旋转机械的代表，水电机组故障是一个渐变的过程，通过监测系统
获取机组振动状态数据，结合故障诊断技术实现机组故障的提前预警是水电机组故障诊断的主要途
径 ［１ － ２］ 。轴系作为水电机组的关键部件，其振动是影响电站运行安全稳定的重要因素，水电机组事故
大多由轴系故障引发。因此，针对水电机组轴系开展故障诊断研究对维护机组安全稳定运行具有重要
的工程价值。
伴随监测系统的日趋完善，水电机组振动信号呈现出高维和多源的特点 ［３］ ，如何整合多个传感器
振动信号提取更为可靠的特征成为水电机组轴系故障诊断的关键。现有水电机组轴系故障诊断研究主
要建立在单一振动信号数据基础上，通过特征提取和模式识别等步骤完成机组故障诊断工作 ［４ － ６］ 。尽
管这些工作有时可以取得不错的诊断效果，但无法全面刻画机组故障特性，加之每种故障发生的部位
各异造成传感器测点难以选择等问题，都导致基于单一振动信号进行水电机组轴系故障诊断具有巨大
的不确定性。因此，融合多元振动信号进行故障诊断可以有效提高获取机组故障特征的客观性和可靠
性。然而，不同部位传感器振动信号具有一定的耦合性，如何在考虑多元振动信号相关性的前提下提

收稿日期：２０２２ － ０２ － ０９；网络首发日期：２０２２ － ０９ － ０９
网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２２０９０９．１１４６．００２．ｈｔｍｌ
基金项目：国家自然科学基金项目（５１５０９２１０）；陕西省重点研发计划项目（２０２１ＮＹ － １８１）
作者简介：陈飞（ １９９７ － ），硕士，主要从事水电机组故障诊断研究。Ｅ － ｍａｉｌ：ｃｈｅｎｆｅｉ＠ｎｗａｆｕ．ｅｄｕ．ｃｎ
通讯作者：王斌（１９８６ － ），博士，副教授，主要从事智慧水利与优化调控研究。Ｅ － ｍａｉｌ：ｂｉｎｗａｎｇ＠ｎｗｓｕａｆ．ｅｄｕ．ｃｎ
１
— １ ２ ７ —