计算大型水轮发电同组导轴承非线性油膜力的一种准非线性简化方法

本文提出了可倾瓦导轴承非线性油膜力的一种准非线性简化计算方法。通过某２４０ＭＷ机组上导和水导轴承的非线性和准非线性仿真对比，说明该方法可用于大型水轮发电机组正常运行工况下的稳态响应和固有频率计算。     

计算大型水轮发电机组导轴承非线性油膜力的一种准非线性简化方法

本文提出了可倾瓦导轴承非线性油膜力的一种准非线性简化计算方法。通过某２４０ＭＷ机组上导和水导轴承的非线性和准非线性仿真对比,说明该方法可用于大型水轮发电机组正常运行工况下的稳态响应和固有频率计算。     

发电机组轴承非线性油膜力的快速算法研究

基于变分不等方程理论和降维方法，文中把求解发电机组滑动轴承的压力分布问题离散化为三对角阵代数互补问题的求解，并提出了针对性的快速求解方法，得到了求解滑动轴承非线性油膜力的高效算法。算例表明，与二维有限元互补算法相比，文中算法的结果在精度得到保证的前提下，运算时间可节省99％以上。     

轴承油膜刚度非线性变化导致低频振动的研究

介绍了轴承润滑油膜刚度非线性变化导致低频振动的机理，影响因素，并结合实例分析了这种振动现象的特征和处理措施。     

Jeffcott转子在油膜力和气流力作用下的非线性研究

以Jeffcott转子系统模型为研究对象,结合非稳态油膜力模型,利用气流力模型对转子运动的非线性动力学特性进行研究.采用数值模拟技术,研究了转子系统的分岔和混沌特性.结果表明,随着转速变化,转子的运动呈现出分岔扣混沌现象,同时转子受油膜力影响较大,在一定转速下出现较大的半频分量,气流力对转子的影响较小.     

非线性油膜力和啮合力作用下 齿轮系统的振动特性研究

同时考虑非线性齿轮啮合力和非线性油膜力的影响,建立齿轮–转子–滑动轴承系统的动力学模型。研究2种强非线性因素的共同作用下,系统的非线性动态响应。研究结果表明：转速相对较低时,非线性啮合力对系统振动的影响较大;随着转速的升高,非线性油膜力对振动的影响逐渐增大,并出现“半频涡动”现象,而非线性啮合力的作用相对减小;在一定的转速范围内,“半频涡动”引起的频率成分的振幅甚至超过不平衡质量引起的1倍频的振幅。这是考虑非线性油膜力和非线性啮合力作用时得到的新的结论,这些结论是过去采用线性油膜力模型时难以得到的。     

水轮机转轮水力径向力的测试与识别

在分析水轮机径向力形成原因的基础上,根据载荷识别原理,提出了以导轴承压力的测试数据识别转轮径向力的方法,并在高水头转轮试验台上进行了径向力识别,最后对结果进行了讨论。     

利用径向基函数神经网络处理水轮机综合特性曲线

介绍了利用径向基函数神经网络进行水轮机综合特性曲线数据处理的方法。这种方法无须建立具体的函数关系表达式,即可对已知离散数据进行拟合,并结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。     

基于最小径向基函数(MRBF)神经网络的非线性噪声对消

由于传统线性噪声对消器对非线性噪声不能很好的适应,本文改进传统线形噪声对消器的线形滤波器部分,用MRBF网络代替横向LMS结构,以适应非线形噪声存在的情况.使用改进的RBF网络结构MRBF[1],解决了隐单元数目确定的困难,学习算法采用更加稳定的扩展卡尔曼滤波方法(KEF),增强了RBF的实用性.本文提出的方法降低了运算复杂度,增强实时性.仿真结果表明该方法有良好的噪声对消性能.     

油膜力和电磁力作用下发电机组非线性动力学模型及稳定性研究

针对汽轮发动机励磁绕组匝间短路会导致机组的振动加剧的现象,建立了油膜力和电磁力耦合的发电机组非线性振动响应求解模型及动态稳定性分析方法。模型中发展了一种改进打靶法的不平衡电磁力激励的滑动轴承支承的汽轮机转子系统周期解计算方法,并提出了考察不平衡激励周期解稳定程度的系统阻尼指标。通过对某型300 MW机组受非线性油膜力和电磁力耦合下的振动特性计算,分析了一类故障模式下的振动响应特性及其失稳程度。研究结果表明,在汽轮发动机励磁绕组匝间短路可能导致激发接近于系统一阶临界转速的低频涡动失稳现象;这将为由振动检测直接预知励磁绕组匝间短路故障提供技术支持和理论基础。     

动态RBF神经网络在非线性系统建模中的应用

在分析传统RBF神经网络算法的基础上,提出了改进的最临近聚类算法和隐含层节点的增加与修剪策略,从而增强了RBF神经网络的非线性系统建模能力。以锅炉燃烧过程为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的初始神经网络模型,再经过改进算法不断修正模型,取得了比较满意的效果。     

基于RBF神经网络的热力能量预测

本文介绍了RBF人工神经网络在热力能量调节中应用,对网络的创建及其实现过程进行了详细的阐述,并通过RBF网络实现了对蒸汽需求总量的预测。分析结果表明：通过神经网络的自学习功能来预测热力公司所需求的蒸汽总量,可以节约大约10%的能量。     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

一种基于径向基神经网络的PLL控制研究

电网并网时需要控制电流与电网电压同相位.介绍了一种基于人工神经网络的用于相位跟踪的PLL控制方法,即把RBF网络的算法加入锁相环中.具体是将电网电压作为期望输出值,将输入电流作为训练样本,通过神经网络的自我学习,逐步减小样本输出与期望输出之间的误差,实现对期望输出的同步和跟踪.用MALAB电力系统仿真工具箱进行了数字动态仿真,并从仿真结果可以看出,系统跟踪性能很好,并且有较强的自适应能力.     

基于神经网络的非线性预测控制

本文简单地介绍了基于神经网络预测控制的基本原理;并且根据神经网络所采用网络模型的不同对预测模型进行了分类以及按照求解最优控制作用方式的不同介绍了几种常用的优化算法。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

发电机进相能力的RBF神经网络模型

发电机进相运行是调节电网电压、改善电能质量的一种经济性、技术性皆优的先进手段。由于发电机是一个多变量、强耦合的非线性系统,基于传统分析方法难以精确建立其进相能力分析模型,本文提出基于径向基函数(RBF)神经网络的发电机进相能力模型,以发电机有功功率和无功功率为输入,以发电机功角、电网电压为输出,采用江苏电网某600MW发电机进相试验数据训练和测试RBF网络,并探讨了基宽、神经元数的选择对RBF网络收敛精度的影响。研究表明本文所建立的发电机进相RBF模型具有速度快、精度高的优点,具有良好的泛化能力,其性能优于BP神经网络模型。本文提出的方法能有效克服传统进相分析方法的局限性,适用于发电机进相运行实时控制,有推广应用价值。     

RBF神经网络算法在水和蒸汽性质计算中的应用

介绍了在水和蒸汽性质计算中,利用RBF神经网络算法可获得IAPWS-IF97计算模型的基本公式的逆函数,计算结果完全能达到工程应用的精度要求;也可以把RBF神经网络算法的计算结果作为初始点,通过Brent迭代计算得到更高精度的结果。     

基于RBF神经网络的SVPWM研究

论述了电压空间矢量脉宽调制(SVPWM)的基本原理,提出利用径向基(RBF)网络实现SVPWM的方法;并在Matlab下结合神经网络工具箱进了仿真研究。仿真结果表明,RBF-SVPWM收敛速度快、误差精度高,使用该方法建立的异步电动机控制系统具有更小的定子电流谐波和转矩脉动。