分享
分享赚钱 收藏 举报 版权申诉 / 9

类型改进的bp神经网络在汽轮发电机组故障诊断中的应用.doc

  • 上传人:cjc2202537
  • 文档编号:254575
  • 上传时间:2018-03-25
  • 格式:DOC
  • 页数:9
  • 大小:93KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    改进的bp神经网络在汽轮发电机组故障诊断中的应用.doc
    资源描述:

    1、改进的 BP 神经网络在汽轮发电机组故障诊断中的应用第 24 卷第 4 期2004 年 8 月动力工程P0WERENGINEERINGVo1.24No.4Aug.2004文章编号:10006761(2004)04-0557 03改进的 BP 神经网络在汽轮发电机组故障诊断中的应用赘(长沙理工大学能源与动力工程学院,长沙 410076)摘要:就 BP 网络的不足,提出了一种改进的 BP 神经网络模型,用于汽轮发电机组故障的诊断.经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度 ,为旋转机械故障诊断提供了有效方法.图 2 表 4 参 7关键词:动力机械工程;汽轮发电机组;改进的 BP 神

    2、经网络;故障诊断; 应用中图分类号:TK39 文献标识码:AApplicationofImprovedBPNerveNetworkinBreakdownDiagnoseofTurbineGeneratorSetHUANGZhuqing(CollegeofEnergyandDynamicalEngineering,ChangshaUniversityofScienceandTechnology,Changsha410076,China)Abstract:AsforthedeficiencyofBPnetwork,thispapersuggestsanimprovedBPnervenetworkm

    3、odelwhichcanserveinbreakdowndiagnoseoftubinegeneratorset.Provedtheoreticallyandpractically,thismethodincreasedefficientlytheprecisionandreliabilityofbreakdowndiagnose,andprovidedefficientwayforbreakdowndiagnoseofwhirlingmachinery.Figs2.tables4andrefs7.Keywords:powerandmechanicalengineering;turbinege

    4、neratorset;improvedBPnervenetwork;breakdowndiagnose;applicationl 汽轮发电机组故障的神经网络诊断方法1.1BP 神经网络及其故障诊断的过程人工神经网络是由多个具有非线性输入/输出特性的人工神经网络元按照一定的方式连接构成的.误差逆传播神经网络是由输入层,输出层和若干中间隐层构成的多阶神经网络,网络上下层之间各收稿日期:20030912 修订日期:20040215作者简介:黄竹青(1964 一),女,副教授,现为中国人民解放军国防科技大学在读博士生.主要研究方向:火电厂热经济性分析及热辐射仿真.种神经元相互全连接.每层各种神经元之间

    5、无连接.图 1 为典型的 3 层 BP 神经网络构成示意图 .输入层隐含层输出层图 1BP 网络拓扑结构Fig1BPnetworktopologicstructure动力工程第 24 卷BP 神经网络由于具有中间隐层,因而具有高度的非线性模式识别能力,为此本文采用 BP 神经网络对汽轮发电机组故障进行诊断.神经网络中间层和输出层的神经元响应函数均取 5 函数:厂()一 1/(1+e)采用 BP 神经网络诊断汽轮发电机组故障 ,首先用典型故障模式对网络进行训练,训练完后即可实行快速识别汽轮发电机组的故障.训练过程如下:先对网络进行初始化,给输入层连接权W 和阀值,输出层连接权 和随机赋初值,然后

    6、依次循环选取各典型故障模式对提供给神经网络按BP 神经网络学习的广义规则和合适的网络输出,输入层学习率 Ol,以反复交替的“模式顺传播“ 和“误差逆传播“ 过程逐步调整网络的连接权和阀值 ,使网络实际输出与希望输出之间的全局误差逐渐缩小,直到满足精度要求为止3.1.2 恒误差修正率控制的网络学习率自适应调整方法恒误差修正率学习率自适应算法的基本原理是保证每次学习后的综合误差比上一次的综合误差减小一定百分比.设为本次学习综合误差 E 与上次学习综合FF误差 E 之差与 E 的相对百分比,即:一若o 则:Ol:O/(1+cs,一(1+cs 若 7/0则:口一 Ol(1 一 C),一(1 一 C)式

    7、中 Ol,上一故障样本周期的学习率C学习率调整系数本次学习后网络输出综合误差比上次学习后综合误差减小的最大限定百分比采用这种学习的自适应算法,当 7/0,若 II 小于,表明本次学习率有利于全局误差减小但幅度不够,则进一步加大学习率调整度;若 II 大于.,表明本次学习率调整有利于全局误差减小,但幅度过大易引起振荡不收敛,则适当减小调整力度,以上两种情况学习率始终或快或慢地增加,反之若7/0,表明本次学习率调整使综合误差增加,调整失败.为此迅速减小学习率以防止网络不收敛.2 改进 BP 网络在汽轮发电机组故障诊断中的应用2.1 输入向量的确定对于大型旋转机械,通常拾取振动信号,通过频域分析来识

    8、别机组故障.本文就汽轮发电机组中常见的 10 种典型的故障选择频域 9 个不同频段上的振幅值作为特征值,同时为避免输入向量过大而导致网络的饱和,不直接采取幅值作为输入矢量,而是进行归一化数据处理,即 A 一 A/.4,其中 A 一max(A).表 1 为网络训练的故障样本.2.2 输出向量的确定由于汽轮发电机组的故障形式复杂,选择了机组常见的 1O 种故障.其输出值的范围为O,1,数值越大,则表明该类型故障的可能性越大.表 2 为网络训练的目标输出样本.2.3 改进的 BP 网络算法的训练笔者编制了基于 VC+语言 BP 网络算法程序,经过反复调试,该网络模型结构为 9131O,学习率 Ol,

    9、初始值为 0.3,C 一 0.004,一 0.6,同时将改进的 BP 算法与传统的 BP 算法分别训练,结果表明改进的 BP 网络速度大大的提高 .图 2 为采用恒定学习率与采用自适应.表 1 发电机组故障特征值,Table1Faultdiagnosevalueintarbinegeneratorset故障样本频段.不平衡1 转子径向碰磨2 不对中3 油膜涡动4 轴裂纹5 联轴节损坏6 轴承座松动7 亚谐共振8 蒸汽涡动9 不等轴承刚度o.Ol0.39O.OO0.010.000.010.000.000.900.000.00O.OOO.OO0.100.000.8OO.OO0.200.000.00

    10、0.300.30O.OO0.100.000.000.000.000.000.000.100.000.51_厂0.99f0.000.100.000.100.000.000.001.000.600.000.900.200.400.000.400.200.000.000.00O.OO5_厂0.000.100.000.000.200.000.000.000.00O.OO倍 OOOOOOOOOO 数,奇 OOOOOOOOOO加OOOOOOOOOO5OOOOOOOOO/O15O26OOO8OOOOOOOOOO第 4 期黄竹青:改进的 BP 神经网络在汽轮发电机组故障诊断中的应用?559?图 2 湖络训练综

    11、合误差变化曲线比较Fig2Curvecompareofcomprehensiveerrorvariationofnetworktraining2.4 改进的 BP 神经网络诊断实例取某机组一组实例未知故障信号,经过归一化处理,将故障表 3 作为网络的输入.经网络的自动识别,诊断结果示于表 4.3 结论经理论和实践证明:本文提出的基于改进的 BP网络故障诊断方法,有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法.由表 4 可以看出:故障 2 为不平衡故障,与实际故障相符.而对于故障 1,网络的第 6 个输出节点的输出值超过 0.5,而其它节点的输出值均接近 0,可以确定该汽轮

    12、发电机组的故障是轴承与轴瓦松动,实际检查可观察到:汽轮机与减速机之间的轴承的固定地脚的螺母与轴承座的间隙过大,从而引起汽轮机的剧烈振动.另外,还发现转子与汽缸之间发生了摩擦,这个故障没有发现出来,说明该网络对单个故障诊断的准确性较高,但对并行故障的诊断能力十分有限,需进一步研究.参考文献:1张乃尧,阎平凡 .神经网络与模糊控制 l-M.清华大学出版社.2陈大光,等 .多状态气路分析法诊断发动机故障的分析 rM.北京航空航天大学.3代劲松.基于 BP 网络模型的汽轮发电机组的振动故障诊断l-J.中国电力,北京:1996,29(4).4焦李成.神经网络系统理论 I-M.西安:电子科技大学出版社,1990.E53 张立明.人工神经网络的模型及其应用 I-M.复旦大学出版社.6Saravanamuttoo,Macisaac.ThermodynamicmodelsforpipelinegasturbinediagnosticsJ.JournalofEngineeringforPower,1983(1O5).7AcollacottVibrationmonitoringanddiagnosisJ.LondonGeorgegodwinLimited,1979,179226.

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:改进的bp神经网络在汽轮发电机组故障诊断中的应用.doc
    链接地址:https://www.docduoduo.com/p-254575.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开