基于BP网络模型的汽轮发电机组的振动故障诊断

建立了汽轮发电机组的基于ＢＰ算法的神经网络振动故障诊断模型，对实际机组进行了现场诊断，效果良好。并将其与灰色关联度分析方法、模糊综合评判方法做了综合比较，提出神经网络方法在故障诊断领域中有广阔的应用前景。     

基于遗传神经网络的汽轮发电机组故障诊断研究

讨论了汽轮机故障诊断中的特征提取、数据处理和遗传神经网络结构。诊断系统的核心即神经网络分类系统可根据征兆区分不同故障。由于事先不知道故障征兆关系 ,所以诊断系统应有学习功能 ,基于遗传神经网络可满足这种要求。基于此提出的新故障诊断方法并应用汽轮发电机组故障诊断中 ,诊断结果与实际相符 ,从而验证了该方法的有效性和实用性     

汽轮发电机组振动监测与故障诊断系统的研究开发

介绍了振动监测与故障诊断系统，该系统能够监测机组异常振动，将振动数据信息存储到数据服务器中，为趋势分析和故障诊断提供数据来源，可对机组进行在线与离线故障诊断。     

330MW机组振动在线监测及故障诊断系统

简要介绍了巴蜀江油发电厂330MW机组加装的振动在线监测及故障诊断系统的基本组成、主要功能、网络通讯和应用，该系统是集数据采集与处理、网络通讯、状态监测、振动分析、计算机技术和INTELNET等先进技术于一体的综合信息管理系统。     

基于离散BAM网络的汽轮发电机组振动故障诊断的应用研究

本文针对常规频谱诊断方法的不足,详细论述了离散的BAM网络及其特性.进而讨论了汽轮发电机组常见典型振动故障的变化特征及其数字化描述方法,建立了基于BAM算法的神经网络的汽轮发电机组振动故障诊断模型,对实际机组故障进行了诊断,效果良好.通过分析,提出BAM网络在故障诊断领域中有广阔的应用前景.     

振动在线监测技术与故障诊断

振动是一种复杂的物理现象，它所产生的危害轻则损伤设备，重则发生破坏事故，所造成的经济损失巨大。由于受多种相关因素交织的影响，使得振动问题的处理很复杂，因此设法寻找控制和消除振动的办法，加装振动在线监测系统，对电厂来说是非常重要的手段。     

BP网络在水轮发电机组振动故障诊断中的应用研究

将人工智能引入水轮发电机组的故障诊断,有利于大中型水电厂“无人值班（少人值守）”管理模式的加速发展。本文首先简单介绍了人工神经网络的基本性能和ＢＰ网络模型及算法,然后将神经网络中的ＢＰ模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于ＢＰ网络的水轮发电机组振动故障诊断方法具有很高的实用价值。     

300MW机组带负荷时振动增大的故障诊断

描述了某台国产引进型３００ＭＷ机组低负荷时各瓦振动均增大的现象及振动特征,认为振动大是由于动静部件碰撞摩擦引起的一种行之有效的并指出引起碰摩的原因为汽温大范围快速变化,为类似故障的诊断提供了参考。     

基于小波BP网络的汽轮发电机组故障诊断

针对电厂汽轮发电机组故障诊断问题,将小波变换和BP网络结合构造了一个三层的小波BP网络故障诊断系统。在输入层对振动信号进行二进离散小波变换,提取其在多尺度下的细节系数作为故障特征向量,根据这些特征向量进行小波BP网络的学习,最后用该学习过的小波BP网络诊断故障并将此方法成功地应用于汽轮发电机组故障诊断。仿真结果表明此方法是可行和有效的。     

汽轮发电机组振动故障诊断数据库管理系统

随着监测一故障诊断系统在汽轮发电机组中的广泛应用，大量的振动信息需要数据库管理系统进行处理、分类和排序，然后提取振动特征值，供故障诊断系统进行分析和诊断，以便及早发现故障根源，将故障消除在萌芽状态。基于FoxPro 2．5 for Windows数据库管理系统的开发工具．开发了汽轮发电机组振动故障诊断数据库系统．实现了动态数据交换(DDE)；快速进行维护和检索；趋势分析；升降速幅频特性图(波特图)；报表打印等等。该未统的实现为汽轮发电机组转子的科学管理和故障诊断系统的应用奠定了基础。     

结合遗传算法的人工神经网络在电力变压器故障诊断中的应用

人工神经网络在电力变压器故障诊断中有广泛的应用。常用的反向传播界法存在着容易陷入局部极小点、对初值要求高的缺声、，给故障诊断带来不便。本文提出采用遗传算法优化人工神经网络结构的初仅，将遗传算法与人工神经网络结合起来.迅速得到最佳人工种经网络权值矩阵与阈值向量，实现故障诊断。     

电力电子电路故障的遗传进化神经网络诊断

介绍了一种诊断电力电子电路故障的基于改进遗传进化的神经网络混合算法 ,论述了该算法的理论和运算操作步骤后将其用于电力电子三相整流电路的故障诊断。仿真实验证明该法可诊断电力电子三相整流电路故障 ,且收敛速度快 ,诊断准确度高 ,具有实际的工程应用价值     

改进遗传算法和神经网络在汽轮发电机组故障诊断中的应用

遗传算法是一种模拟自然进化而提出的优化组合算法，是建立在遗传学基础上的参数搜索方法。文章针对多征兆、多故障的汽轮发电机组的故障诊断系统，对采用改进的GA和RBF径向基函数神经网络相结合进行故障模式识别的方法进行研究。仿真表明，该方法对于汽轮发电机组的故障诊断具有较高的实用价值。     

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷:容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法.实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间.同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性.     

基于改进遗传小波网络的电机故障诊断研究

用频谱分析方法提取了无刷直流电动机的正常工作状态和几种常见的故障(位置传感器一路故障、A相绕组断路故障和驱动开关断路故障)时的特征信号,进行了诊断算法研究,提出了用改进遗传算法优化小波神经网络参数的调整过程,并用改进遗传小波神经网络对无刷直流电动机进行故障诊断。仿真结果表明,与经典遗传小波神经网络、小波神经网络和BP神经网络等方法进行比较,该方法在无刷直流电动机故障诊断中具有更快的收敛速度和更高的诊断精度。     

基于遗传算法与BP神经网的风力发电机齿轮箱故障诊断研究

为研究风力发电机组齿轮箱故障的诊断方法,提高其工作的可靠性,将BP算法寻优具有精确性与遗传算法全局寻优的优点相结合,提出一种新的BP神经网训练算法。通过算法比较和实例分析表明,该算法在风力发电机组齿轮箱故障诊断领域具有良好的实用性。     

基于进化策略算法的人工神经网络变压器故障诊断法

提出一种基于进化策略算法的人工神经网络法对电力变压器故障进行诊断。该方法通过综合进化算法的全局搜索能力和神经网络输入和输出的高度非线性映射关系,可准确诊断变压器故障。它可自动调整神经网络的连接权和节点偏置值,以获得最佳网络模型。相对于普通人工神经网络而言,该法具有更快的学习速率和优良的诊断精度;并且相对于基于进化规划算法的人工神经网络法,本方法也具有更优良的性能。     

基于粗糙集-BP算法的配电网故障诊断

将粗糙集理论与BP神经网络相结合,以粗糙集中的信息系统决策表为主要工具,通过基于遗传算法的粗糙集属性约简算法对配电网中的原始数据进行约简,然后利用BP网络对最简规则集进行学习训练,最后用改进的粒子群算法对BP网络的权值和阈值进行优化,形成改进粒子群优化粗糙集-神经网络的模型结构。诊断结果表明:通过粗糙集属性约简,删除了大量不必要的冗余数据,提高了诊断速度和准确度。同时,针对配电网发生故障时存在误动、拒动等情况,该算法具有较高的泛化能力和较好的容错性。     

基于遗传算法进化小波神经网络的电力变压器故障诊断

在电力变压器故障诊断方法中,小波神经网络常用的反向传播算法存在着易陷入局部极小点和对初值要求较高的缺点,往往给故障诊断带来困难.文中提出了一种基于遗传算法进化小波神经网络的变压器故障诊断方法,用实数编码的遗传算法来代替人解决小波神经网络结构的选择和参数的设定.在整个学习过程中,网络的复杂度、收敛性和泛化能力得到了较好的综合.大量实例表明,该方法能有效地对电力变压器单故障和多故障样本进行分类,提高了诊断准确率.