基于小波分析与人工神经网络的水轮机压力脉动信号分析

针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了...     

水流脉动压力的小波分析研究

利用小波分析对试验所测得的水垫塘边坡脉动压力信号进行小波包的完全分解。对分解所得的各个频段的信号的方差进行统计分析。结果表明，分解前后信号的能量是守恒的，脉动能集中在低频段，其分布规律与用傅里叶变换计算的功率谱一致。水垫塘较低高程处脉动压力具有较大的能量，该处旋涡的尺寸相对较大，测点间存在较大的相关性；在较高处测点间相关性不大，旋涡尺寸相对较小。     

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.     

水轮机压力脉动测试的分析与探讨

介绍了水轮机压力脉动试验中测量位置、测点数量、信号采样频率及采样时间、空化系数等因素对压力脉动试验结果的影响,并提出在进行压力脉动试验时,应增加测点,延长采样时间,提高采样频率,以避免信号遗漏和信号混叠等现象的发生。建议对水轮机的重要运行工况,应增加不同空化系数下的压力脉动试验,以避免在真机运行时可能产生“空化自激”现象,确保原型机组的安全运行。     

小波人工神经网络在径流预报中的应用

针对径流时间序列的非线性和多时间尺度特性,应用A Trous算法对盘石头水库的月径流序列进行了分析.在此基础上,将小波分析与人工神经网络相结合,建立了组合预测模型,并给出构造模型的一般步骤及关键算法.针对一般BP算法收敛速度慢、易陷入局部极小值的缺陷,提出了基于改进共轭梯度法的BP算法.实践表明:基于小波分析的人工神经网络模型在月径流模拟过程中具有很好的仿真能力,训练后的模型具有较高的精度.     

水轮机压力脉动的测试分析与评价

近几年来,国内外一些新投入运行的大型电站在稳定性运行方面遇到了不少问题,有的已经解决,有的则还没有找到问题的原因,影响了电站的稳定运行。三峡水电站2003年已有多台机组投入运行,其将来能否安全稳定运行是人们共同关心和担心的问题。针对水轮机的稳定性问题,国内外进行了大量的研究工作,水轮机的压力脉动无疑是最受关注的问题之一。但是,     

粒子群小波人工神经网络组合模型的径流预测

为了克服传统径流过程预测容易产生累积误差的缺点,提高径流预测精度,提出了一种基于粒子群小波人工神经嘲络组合模型的月径流过程预测算法,该算法具有原理简单、实用性强等特点.将该算法用于预测某电厂月径流过程计算,结果表明,其预测结果精度高,可为水电厂提供可靠的入库径流,对水电厂制定合理的运行方式有重要作用.     

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。     

双并联人工神经网络在水轮机试验中的应用研究

针对水轮机试验中需要对试验结果进行整理的问题,提出了应用双并联前向人工神经网络建立水轮机特性数学模型的方法.用双并联前向人工神经网络建立的水轮机特性数学模型具有表达简单、精度高等特点,同时还可以对试验成果进行一定的修正,能满足实际应用需要.     

基于小波分析的ANN模型日径流预测研究

介绍基于小波分析建立的人工神经网络模型,并给出构造模型的一般步骤及关键算法.利用此模型对日径流进行模拟与预测,实验表明,基于小波分析的人工神经网络模型在日径流模拟过程中具有很好的仿真能力,训练后的模型用于预测具有较高的精度.     

浅谈水轮机振动故障诊断分析方法

振动信号可以很好的反映出水轮机的健康状况和安全运行情况,在水电厂中,由于对水轮机的容量、比转速调节越来越频繁,使得水轮发电机组在正常运转过程中会出现振动加剧现象,而振动会给水电厂水轮发电机组的安全稳定运行带来诸多不利影响,从而影响水电厂的收益.为减小振动带来的危害,需要准确快速找出振动产生的原因,因此,对水轮机组振动故...     

Estimation of hydraulic jump on corrugated bed using artificial neural networks and genetic programming

Artificial neural networks (ANNs) and genetic programming (GP) have recently been used for the estimation of hydraulic data. In this study, they were used as alternative tools to estimate the characteristics of hydraulic jumps, such as the free surface location and energy dissipation. The dimensionless hydraulic parameters, including jump depth, jump length, and energy dissipation, were determined as functions of the Froude number and the height and length of corrugations. The estimations of the ANN and GP models were found to be in good agreement with the measured data. The results of the ANN model were compared with those of the GP model, showing that the proposed ANN models are much more accurate than the GP models.     

水轮机非平稳振动信号的小波分析

基于水电站机组振动的现场试验研究,利用小波分析方法在时域和频域上同时具有良好局部化性质的特点,对开停机这一典型非平稳过程信号进行小波分析。通过将信号分解到不同频带内,并对分解信号作振源分析和统计分析,以获取优势频率等有用信息。试验结果表明,水流脉动压力和尾水涡带摆动是引起开机过程中机组强烈振动的主要原因,同时也证明了小波是处理非平稳信号的最有力的工具。     

小波包分析及高斯混合模型在汽轮机振动故障诊断中的应用

提出一种利用高斯混合模型对汽轮机振动故障进行诊断的方法。原始的汽轮机振动故障信号用小波包进行分解重构滤波,提取振动信号特征量,然后用特征量来建立高斯混合模型。用每种故障状态的几组数据作训练数据,对每种故障状态建立一个识别元,识别元的参数用EM算法求解最大似然估计,最终将待识别故障数据输入每个识别元,找到最大概率的识别元所对应的故障即为诊断的最后结果。     

基于流固耦合的水轮机振动的数值研究

该文研究应用ADINA软件采用任意拉格朗日欧拉(arbitrary Lagrange-Euler,ALE)法对一混流式水轮机转轮进行了流固耦合计算,得出了转轮在空气中和水中的频率和模态.通过计算表明在水压载荷和黏性载荷的作用下,水轮机的转轮频率存在一定程度的下降,模态发生了变化.并应用动态断裂力学预测了该转轮可能发生的裂纹破坏.     

基于子波变换序列的人工神经网络组合预测

本文引入一种新的水文序列组合预测方法，首先对水文离列施行ＡＴｒｏｕｓ子波变换，得到其在各倍频程上的子波系数，其次利用人工神经网络预测模型对子皮系数进行了多尺度组合预测：而后运用ＡＴｒｏｕｓ完全重构公式，得到水文序列的预测，本文对宜昌站年平均径流离列作了研究，结果显示预测效果理想。     

神经网络在结构振动控制中的应用

采用BP神经网络对一个SDOF体系被控对象的控制器进行系统辨识，比较了BP算法与LQR经典线性算法控制下体系反应的控制效果，对于影响BP神经网络用于结构振动控制的相关问题进行讨论，同时指出神经网络的应用应参照问题客观数学模型的描述，以利于快速找到问题的合适解决方案。     

基于人工神经网络的卡尔曼滤波实时校正技术

针对人工神经网络技术在实际应用中常出现的过拟合现象，设计了以人工神经网络模型做初级预报，用卡尔曼滤波技术对初级预报结果进行二次预报的方法。该方法用于淮河王家坝水文站最高洪水位的预报和岷江上游段紫坪埔水文站的流量预报，并与标准的BP网络模型以及卡尔曼滤波模型进行了比较。两个应用实例的计算结果表明，以上两种技术的结合，不仅有利于预防过拟合问题，还可提高预报精度。     

基于BP神经网络的水轮机调节系统建模与仿真

采用BP神经网络对水轮机综合特性曲线进行处理,将水轮机非线性特性转换为可用于实时仿真的力矩和流量神经网络,可避免建立水轮机特性变量间复杂的函数关系式。将其应用于水轮机调节系统的大波动过渡过程计算,可使计算更为简洁,且由于曲面是光滑的且导数连续,更容易保证计算过程的收敛。建立的机组非线性模型更贴近实际情况,仿真试验表明应用效果良好。