针对目前核电应急柴油发电机组现有监测信息难以有效定位故障源的现状,提出一种基于键相、瞬时转速和振动等多参数融合的在线监测分析技术。对数据进行高速连续采集和处理,将时域信号转换至角域以消除转速波动的影响。基于柴油机故障特性和信息融合理论,提取各工作循环相关测点的多特征参数,确定各故障类型与相关特征的映射关系,依次融合相关参数对故障进行分析定位。结合该技术对启动超时故障进行分析,验证了该技术的有效性。

考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上提取盒维数、信息维数、关联维数作为故障特征参量;然后引入信息熵模型,对自动机故障信号提取功率谱熵、奇异谱熵、特征空间谱熵作为特征参量来描述信号状态在频域、时域、时频域的能量变化;最后将特征参量输入到极限学习机中（ELM）进行分类。实验结果表明多参数融合能全面准确地反映故障信息,极限学习机学习速度快、结构简单,具有很好的故障分类效果。