灯泡贯流式机组轴承温度的人工神经网络建模探讨

本文在现场监测数据的基础上应用人工神经网络方法,建立了灯泡贯流式机组轴承温度的数学模型,并与实际的监测数据进行了对比分析。对比分析表明,所建立的人工神经网络模型,具有较高的计算精度,能够在已知机组工作参数的情况下,快速求出机组轴承的温度,该模型可以用于机组的计算机辅助运行系统开发中。     

基于监测数据的水力发电系统人工神经网络建模

将引水管路、水轮机、发电机作为一个整体的水力发电系统,并在现场监测数据的基础上,应用人工神经网络方法,建立了该系统的输入输出数学模型.与实际的监测数据进行对比分析表明,所建立的人工神经网络模型具有较高的计算精度,能够用于开发水电站中水轮发电机组的优化运行系统.     

刘家峡水电厂新投机组推力轴承烧损原因分析

刘家峡水电厂7、8号机组投运后不久,相继发生了推力轴承温度过高停机事故,发现推力轴承瓦面烧损,造成机组无法继续运行。通过现场检查推力轴承损坏情况,同时对与推力轴承相关的在线监测数据进行研究,分析了引起两台机组推力轴承损坏的原因,并提出了解决该问题的对策和建议。     

基于人工神经网络的水轮机轴承温度输出特性模型研究

为掌握广西三岔水电站水轮机轴承温度输出特性,以该水电站的上下游水位差、导叶开度、浆叶角度作为输入样本,推力轴承作为输出样本,在现场监测数据的基础上,利用BP神经网络与Matlab相结合,建立水轮机轴承温度输出特性模型。结果表明,所建立的模型具有很高的计算精度,有利于水电站水轮发电机组的优化运行系统开发。     

水轮机尾水管压力脉动的神经网络模型

为掌握万家寨水电站水轮机尾水管的水压力脉动特性,对水轮机尾水管水压力脉动进行了现场测试,获得了多个工况下的测试数据.在测试数据的基础上,应用人工神经网络中的三层前向网络模型,采用反向传播算法,建立了水轮机尾水管压力脉动特性的人工神经网络模型.与实际的测试数据进行对比分析表明,所建立的人工神经网络模型,能够准确反映水轮机的尾水管压力脉动特性,可以用于指导水电站中机组的稳定运行.     

基于健康样本的风电机组滚动轴承状态评估

针对风电机组运行工况复杂,故障样本的缺乏,难以进行有效诊断的情况,提出了一种基于健康样本的风电机组滚动轴承状态评估方法。该方法充分利用风电机组健康状态监测数据资源,采用径向基函数插值理论,建立了风速、转速和轴承状态参数间的映射关系,通过振动偏差有效地对风电机组滚动轴承运行状态进行实时评估。数据分析表明,该方法克服了单一静态阈值报警的不足,能有效地识别出风电机组工况变化时轴承存在的异常,为风电机组轴承健康评估提供了新的思路。     

神经网络在铂铑30—铂铹6热电偶测温中的应用

借助于人工神经网络（ＡＮＮ）的方法，建立了铂铑３０－铂铹６热电偶分度表的数学模型，该模型可以在采用计算校正法的温度测量系统中使用。人工神经网络数学模型与分度表数据的对比表明了该模型的正确性和有效性。     

水电站卧式水轮发电机组轴承冷却实例分析

夏季用电负荷高峰期,随着水电站水轮发电机组负荷的增大,机组轴承温度将升高,制约机组出力,因此改进水轮发电机组轴承冷却系统,降低轴承温度,提高水轮发电机组出力极为重要。该文就车岭一级水电站和三涧溪水电站三种卧式水轮发电机组轴承结构和冷却系统进行对比分析,简述三种轴承冷却方式的优缺点,供参考。     

基于H-K聚类逻辑回归的贯流式机组水导轴承磨损性能评估研究

贯流式机组水导轴承性能对机组振动特性和稳定运行有很大影响,对此本文提出了一种基于H-K聚类逻辑回归模型用于实现贯流式机组水导轴承磨损性能评估。以黄河河口水电站3#机组振动、摆度幅值和工况参数等作为自变量,水导轴承运行状态作为因变量,同时为了增强模型泛化能力,引入H-K聚类方法对自变量进行离散化处理,通过建立变量之间的逻辑回归模型实现对机组水导轴承磨损性能评估。研究结果表明:机组轴系摆度信号和机组轴系振动信号可以更好地解释水导轴承性能变化,同时通过模型对水导轴承性能显著影响的特征信号频谱分析推断,机组水导轴承磨损的主要原因是机组轴线偏移和不平衡电磁拉力影响所致。     

滑坡体监测数据的改进变维分形-人工神经网络耦合预测模型

滑坡体变形预测对滑坡灾害治理具有重要的意义。根据边坡的演化特性,在研究得到滑坡是一个非线性动态系统,其监测数据具有分形特征的基础上,利用改进变维分形预测模型对滑坡体的监测数据时间序列趋势项进行预测,并引入人工神经网络对时间序列的偏离项进行纠偏优化,从而建立滑坡体监测数据的改进变维分形-人工神经网络（IVDF ANN）耦合模型,并以茅坪滑坡体的实测位移为例进行预测。预测结果证明,该模型充分利用分形理论的自相似性和人工神经网络的自学习能力,具有良好的抗噪性,对小数据量的监测数据能够达到较高的预测精度和较好的预测长度,为滑坡体安全监控预测提供了新的参考方法。     

基于机器学习的水电趋势预警系统设计

针对水电机组传统的温度限值预警方法,设计一个基于机器学习的水电趋势预警系统。通过人工神经网络对大量的历史数据进行训练,从而搭建模型。本系统同时提供模型管理和发布功能,并利用最新发布的模型进行温度预测。最后,利用现场实际采集水电机组上导瓦温度数据,验证神经网络模型预测的准确度,从而证明基于机器学习的趋势预警系统可以有效地对水电机组异常运行状态进行预警。     

渗透系数反演的CHNN模型方法

利用连续型Hopfield神经网络 (ContinuousHopfieldNeuralNetwork ,简称CHNN)的反馈特性 ,结合实测资料和数值计算 ,构建了岩土体渗透系数的人工神经网络反演模型 ,通过网络神经元状态的变迁而最终稳定于平衡状态 ,从而得到渗透系数反演优化计算的结果。经实例验证 ,效果较好。     

渗透系数反演的CHNN模型方法

利用连续型Hopfield神经网络(Continuous Hopfield Neural Network,简称CHNN)的反馈特性,结合实测资料和数值计算,构建了岩土体渗透系数的人工神经网络反演模型,通过网络神经元状态的变迁而最终稳定于平衡状态,从而得到渗透系数反演优化计算的结果。经实例验证,效果较好。     

基于人工蜂群算法与Elman神经网络的大坝变形监控模型

针对Elman神经网络收敛速度慢、容易陷入局部极小等问题,建立了人工蜂群算法(ABC)与Elman神经网络组合的大坝变形监控模型。应用于某混凝土重力坝的结果表明,单纯Elman神经网络建模方法预测的相对误差和标准差分别为3.50%和0.131,ABC-Elman(人工蜂群算法与Elman神经网络)模型预测的相对误差和标准差分别为1.98%和0.063。从各影响因子对大坝变形的贡献上看,水压分量占27.9%,温度分量占62.3%,时效分量占9.8%。ABC-Elman模型在建模效率、预测精度等方面均有一定的优势,较适合于大坝变形的建模分析,并可推广于大坝渗流、应力等监控模型中。     

基于混沌的大坝监测序列小波RBF神经网络预测模型

本文结合混沌理论、小波分解与重构,以及径向基函数(RBF)神经网络的优点,提出了一种基于混沌的大坝监测序列小波RBF神经网络预测模型。该模型主要利用小波分析将大坝监测序列分解为趋势项和细节时间序列,并利用RBF神经网络和基于RBF神经网络的混沌理论对两种时间序列进行预测,最后通过小波重构得到预测值。实例分析表明,本模型能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,对监测数据的预测精度较高,可应用于实际工程。     

水电机组状态检修实现策略与框架设计

给出了水电机组状态检修系统的逻辑结构;针对水电机组故障多样性和复杂性，重点提出了一种由基于数据融合的模糊神经网络技术和专家系统的在线诊断子系统及基于模型的离线诊断子系统组成的故障诊断系统，利用专家系统的逻辑推理能力以及人工神经网络的学习和容错能力，建立转子非线性动力模型仿真来离线分析那些没有办法定量提取或解释的征兆，对机组进行故障诊断;同时给出了实时数据的一种智能化存储策略，很好地解决了在线监测所产生的海量数据。     

神经网络在高坝基岩多点位移计监测分析中的应用

针对高坝基岩多点位移计监测的实际情况，采用神经网络预报模型，对基岩变位中一孔多点监测、多孔联测和裂隙开合度等工程监测分析实际问题进行研究。通过对反向传播（BP）模型输入层因子的比较分析，并以实测资料加以训练，建立了多种基岩变形的预测模型，预测效果好，有利于多点位移计监测资料的综合分析及对高坝基岩状态的监控。     

基于有限元仿真及神经网络模型相结合的大体积混凝土温度预测方法

大体积混凝土的温度裂缝控制是混凝土大坝安全的重要技术问题之一。为研究大体积混凝土内部温度演变规律,对其进行了现场测试。通过实测得出大体积混凝土内部由于水泥水化放热导致在50 h内温度逐渐上升;而表层温度受到环境温度的影响较大,呈现不规律的状态。考虑热固耦合和对流换热现象,结合COMSOL三维有限元软件对大体积混凝土进行模拟仿真,得出:仿真模拟计算得到的大体积混凝土内部温度变化曲线与实测数据的变化规律较为相似;但由于对流换热系数是由人为设定、水泥水化放热公式是通过经验公式得出等情况,导致仿真模拟误差在5%左右。为进一步精确模拟,结合神经网络原理并引入遗传算法和贝叶斯更新对BP神经网络权值进行优化,得出:神经网络预测曲线与实测大体积混凝土变化曲线规律相似;在有大量的已知数据的情况下,神经网络算法可以很好的对监测点进行预测,其最大误差为2. 57%。因此,将有限元仿真和神经网络预测方法结合可较为准确的预测大体积混凝土内部温度变化,获知最大温差薄弱处,利于采用相应措施来避免大体积混凝土裂缝发展。