基于BP神经网络的燃气轮机冷热部件故障诊断

为解决燃气轮机故障诊断中可测参数难以直接反映机组故障状态的问题,在分析燃气轮机冷热部件组成和故障判据的基础上,提出利用小偏差方程建立并求解燃气轮机故障数学模型,并结合故障判据寻找可测参数与性能参数的关系,确立从可测参数到性能参数,再到故障原因的诊断思路。另外,将BP神经网络作为故障诊断工具,通过向网络中输入8个机组可测参数来实现智能故障诊断,为燃气轮机的快速精确诊断提供了可参考的思路和方法。     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

基于神经网络的燃气轮机故障诊断

对燃气轮机润滑油系统常见故障原因进行了分析,并结合专家知识建立了润滑油系统故障知识库;在此基础上将RBF人工神经网络引入燃气轮机装置故障诊断中来,由于采用了一种动态RBF网设计方法,使得神经网络的规模较小同时具有较高的泛化能力,提高了神经网络的诊断速度及准确性.     

基于改进弹性BP算法神经网络转子故障诊断

为精确诊断转子故障,以转子故障模拟实验台的实测数据为研究对象,采用基于小波包能量特征向量提取的信号特征值作为网络的学习样本,采用改进弹性BP算法训练网络研究转子的振动状态。为神经网络在转子故障诊断领域更深入广泛的应用提供可参考的思路和方法。     

基于Kohonen神经网络的燃气轮机故障诊断

针对基于热力参数的燃气轮机8种典型常见故障,根据Kohonen神经网络诊断的工作原理、诊断特征,研究了基于Kohonen神经网络方法在燃气轮机故障诊断中的应用方法,得出了Kohonen模型具有自学习功能,运算速度快,类型识别能力强的优点,是一种适合于燃气轮机分类故障较好的具有特色的神经网络。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

基于BP神经网络的9F燃气轮机压气机离线水洗周期优化

基于BP神经网络,对某9F燃气轮机机组历史运行数据进行了建模与分析,提出了一种燃气轮机压气机叶片积垢导致其性能下降的分析方法,得到了燃气轮机压气机效率、压气机压比、压气机流量、燃气轮机功率四个性能参数偏差值随燃气轮机实际运行小时的变化曲线。结果表明,可将上述四个性能参数的实际运行值与理想状态下的运行值(神经网络预测值)偏差3%、3%、4%、5%作为压气机离线水洗的判据。据此,对9F燃气轮机机组现有的离线水洗周期进行优化,得出当前燃气轮机压气机积垢状态实际运行指导小时数为3 000 h。该方法为燃气轮机离线水洗周期优化提供了一种思路,具有一定的工程应用价值。     

基于BP神经网络的水电站电气设备故障诊断

阐述BP神经网络应用在水电站电气设备故障诊断中的目的,通过查阅文献并结合专家经验,构建了电气设备的故障诊断知识库,并建立神经网络模型。最后,以一个故障诊断实例进行具体分析,验证BP神经网络的可行性与优越性。     

基于遗传算法优化BP神经网络的海上DFIG定子绕组故障诊断

针对海上双馈风力发电机(DFIG)定子绕组匝间短路故障率高的问题,由于大数据背景下的故障检测难以采用人工干预的方法识别故障,且传统的人工神经网络存在训练速度慢、误差大、试凑隐含层困难等缺陷,因此,本文提出融合遗传算法的BP神经网络用于检测海上DFIG定子绕组匝间短路故障,实验和仿真结果表明了此方法的有效性,实现了大数据背景下海上DFIG定子绕组匝间短路故障诊断。     

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。     

基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法.采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解.该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优...     

基于混合算法的燃气轮机多传感器故障诊断

为解决卡尔曼滤波算法难以实现燃气轮机多传感器故障诊断的难题,提出一种基于混合算法的燃气轮机多传感器故障诊断方法。首先,基于平方根容积卡尔曼滤波（SRCKF）算法构建了一组滤波器,每个滤波器对状态的最优估计被定义为故障检测因子用于传感器故障的特征提取;然后,利用基于密度的聚类算法对故障检测因子进行聚类以实现故障传感器的检测和隔离;最后,利用极大似然估计方法（MLE）实现故障传感器故障严重程度的估计。所提出的方法在GT25000三轴燃气轮机模拟机上进行了仿真验证,仿真结果表明：所提方法有效,多传感器故障诊断的准确率高于95%。     

基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

基于遗传算法优化神经网络的齿轮故障诊断

针对齿轮故障诊断的重要性和复杂性,基于神经网络固有的局部极小值及遗传算法良好的全局收敛能力和搜索性,在遗传算法优化初始权值和阈值的基础上构建了GA-Elman神经网络的故障诊断系统.仿真结果表明,该方法用于齿轮常见故障诊断和预测有效、可行.     

基于随机游走蜂群算法优化的RBF神经网络电动机故障诊断研究

为解决目前电动机故障诊断方法收敛慢、易陷入局部极小、准确性不足等缺点,提出了一种电动机故障诊断新方法,即将Levy Flight随机游走机制、人工蜂群算法和径向基神经网络结合的方法。首先通过改进的蜂群算法即随机游走蜂群算法(LFABC)对网络参数进行全局寻优,然后对网络进行监督训练,局部细化网络参数,最终得到故障诊断模型。经实例验证,本文所提方法能更快速、准确地实现电动机故障诊断,取得了较好的效果。     

基于改进BP算法的汽轮发电机组的故障诊断

针对传统BP算法即梯度下降法,收敛速度慢、容易陷入局部极小值等缺点,提出了基于附加动量法和自适应学习速率的改进方法。将改进后的BP神经网络应用于汽轮发电机组的故障诊断中,获得了很好的效果,证明了改进方法的有效性。     

基于GAPSO算法优化的ELM神经网络在柴油机故障诊断中的应用

针对极限学习机(ELM)神经网络初始权阈值对算法性能的影响问题,提出一种融合遗传算法(GA)与粒子群算法(PSO)的GAPSO算法,用于优化ELM神经网络初始权阈值。该算法将群组一分为二,分别采用GA和PSO算法,再将优秀个体进行合并,改善了PSO算法全局搜索能力,同时增强了GA算法的局部搜索效能。通过对柴油机故障诊断的实验证明,基于GAPSO优化初始权阈值的ELM神经网络可以有效提升故障诊断精度。     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

基于BP神经网络的电缆故障测距算法设计

电力电缆线路作为城市负载的重要线路近年来以逐渐发展成为主要电能传输工具,尤其是地铁、综合行政区域,现阶段,电力电缆线路无论是技术制造还是安装技术都较为成熟,不同于架空线路,一旦电缆线路故障,快速恢复线路运行极为重要。本文从电力电缆线路发生故障时线路参数以及特征出发,对狼群算法进行优化,结合实际故障参数以及BP神经网络算法对电力电缆线路进行综合评判,通过不断修正BP神经网络算法参数,最终达到优化电缆故障测距算法的目的,实验证明,该算法具有良好的故障测距精度以及稳定性。