基于小波神经网络的汽轮机早期振动故障诊断

华北电力大学（北京）硕士学位论文基于小波神经网络的汽轮机早期振动故障诊断姓名：闫亮申请学位级别：硕士专业：热能工程指导教师：戈志华20080101基于小波神经网络的汽轮机早期振动故障诊断作者：闫亮学位授予单位：华北电力大学(北京)相似文献(5条)1.期刊论文杨崴崴.缪思恩.盛锴.YANGWei-wei.MIAOSi-en.SHENGKai基于小波神经网络的汽轮发电机组振动故障预测的研究-电站系统工程2007,23(5)简述了小波神经网络的基础理论和算法,论述了该方法在汽轮发电机组的振动故障预测中的应用.小波神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配,使得小波神经网络有更强的自适应能力、更快的收敛速度和更高的预报精度.仿真和实验结果表明,预报结果具有良好精度.2.期刊论文刘晓东.LIUXiao-dong基于小波神经网络的机械故障智能诊断研究-汽轮机技术2006,48(4)探讨了动量系数和学习率自适应调整的神经网络算法,给出了动量系数和学习率的调整方法,并作为机械故障的特征识别方法,以小波分析技术作为机械故障特征信号的提取手段,由此建立了基于小波与自适应神经网络的旋转机械故障智能诊断系统,给出了诊断系统的训练学习方式和工作方式,通过实际测试数据的诊断结果说明此诊断系统对故障诊断是有效的.3.期刊论文江磊.江凡基于小波神经网络的旋转机械故障诊断-汽轮机技术2004,46(3)研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题.通过选择合适的参数,对故障信号功率谱进行小波分解,简化了故障特征向量的提取.建立了基于小波变换和BP网络的混合诊断模型,成功地实现了对故障的智能诊断.4.期刊论文张利平.董英斌.王伟锋.ZHANGLi-ping.DONGYing-bin.WANGWei-feng免疫小波在汽轮机低压缸效率中的应用-热力透平2009,38(4)根据汽轮机低压缸效率与其影响因素之间的映射关系,提出了一种基于免疫系统的小波神经网络模型来计算汽轮机的低压缸效率,并对某电厂300MW机组效率进行了计算分析.结果表明,该模型收敛速度快,计算精度高,并有较好的泛化能力,为汽轮发电机组的在线监测提供了一种新途径.5.学位论文郭萍小波模糊神经网络在轴承故障诊断中的研究与应用2008汽轮发电机组的振动过大将直接威胁着机组的安全运行，长时间的振动还会造成地基及周围建筑物的损坏；振动所产生的噪声对操作人员的生理及精神状况也十分有害。而轴承的故障则会加速汽轮发电机组的振动，因此对气轮发电机组的轴承进行故障诊断是必要的。小波变换具有多分辨率特性和时频局部化特性，特别适合于对非平稳信号的分析；而模糊LMBP神经网络不仅具有神经网络极强的非线性映射能力，还具有模糊逻辑刻画分类边界模糊性的优势。本论文首先使用小波分析对故障信号进行特征提取，然后把提取的特征向量作为模糊神经网络的输入--形成所谓的小波模糊神经网络进行故障诊断。本论文利用MATLAB进行仿真，借助由模拟汽轮机振动的振动试验台上所得的轴承故障数据，使用提出的小波模糊神经网络进行诊断，从而证明了该故障诊断系统可以极大地提高诊断系统的适应能力。本研究主要分成以下两个部分：1.轴承故障信号的特征提取采用小波分析对故障信号进行特征提取。主要利用小波变换的多分辨率特性和时频局部化特性，对原始故障信号进行小波分解，选取分解后每层最能代表原始故障信号细貌的高频系数的第一个数组成特征向量，作为神经网络的输入。2.轴承故障信号的模式识别其故障模式识别主要采用了以下几种方法：①采用LMBP神经网络进行故障模式识别。通过与Elman神经网络、使用梯度下降法的典型BP神经网络的实例比较，E1man网络的识别误差比LMBP神经网络大：而使用梯度下降法的典型BP神经网络所使用的训练时间较长，不利于诊断的实时性要求。②采用小波神经网络进行故障模式识别。通过实例证明：该设计方法虽然在一定程度上能满足故障信号的诊断，也满足故障诊断实时性要求，但是也存在着不精确性。③采用了小波模糊神经网络进行模式识别。该识别方法具有一定的有效性，并且该方法一定程度上满足故障诊断的实时性要求。通过以上的故障诊断方法仿真比较，采用小波模糊神经网络进行故障诊断，并采用两类故障模式进行验证，其诊断结果表明与实际的故障模式相符，从而证明了该故障诊断技术适用于故障模式识别，满足故障诊断实时性要求，具有很强的识别能力。本文链接：授权使用：上海海事大学(wflshyxy)，授权号：41aff6ff-91ef-4c63-a679-9de2014b2c7e下载时间：2010年8月30日