BP网络在水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掺数对诊断系统必能的影响，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。     

水电机组故障诊断中的数据融合算法

应用数据融合的理论和方法，在整个水电机组故障诊断过程中，在数据处理的信号层、特征层及决策层上分别提出不同的数据融合算法，解决了传统水电机组故障诊断中存在的大量采集数据如何有效处理的问题。所提出的算法针对水电机组故障诊断的特殊性，有较强的适应性，提高了实际诊断的准确性和可靠性。     

基于BP模糊神经网络的水轮发电机组故障诊断方法

运用模糊理论的故障征兆与故障原因之间的模糊关系,确定了BP神经网络的输入层和输出层,并结合水轮发电机组故障诊断具体实例建立神经网络的输入样本集,对神经网络进行训练,输入机组故障征兆向量,得出故障原因,从而验证了模糊神经网络的可行性与优越性.     

神经网络在水电机组振动故障诊断中的应用研究

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，在此基础上将神经网络应用于水电机组振动故障诊断中。试验证明，基于神经网络的水电机组振动故障诊断方法具有很高的实用价值。     

基于信息融合技术的水电机组振动故障诊断

针对传统方法在水电机组振动故障诊断中存在准确度不高的问题,引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域,采用2个并行的粒子群神经网络进行局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合。结果表明,该方法可有效地提高诊断可信度,减少诊断的不确定性。     

模糊神经网络在水轮发电机故障诊断中的应用

结合模糊理论中的模糊矩阵算法和神经网络的自适应性,建立BP模糊神经网络对水轮机发电机组进行故障诊断,避免传统的模糊理论诊断方法主观性和经验性的弊端,最后结合具体工程实例验证该BP模糊神经网络提高水电机组故障诊断的精确性和可靠性。对建立模糊神经网络模型应考虑的因素,以及模糊神经网络模型在水轮发电机组故障诊断中的实际应用情况作了简单介绍。     

人工神经网络在水电机组故障诊断中的应用研究

水电设备状态检修的关键是状态监测和故障诊断。人工神经网络具有分布并行，容错性和记忆功能等特点，用人工神经网络方法进行故障诊断具有明显优势，通过对发电机设备故障诊断的具体应用，证明此方法是有效可行的。     

基于PNN的水轮发电机组振动故障诊断

概率神经网络（PNN）是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型,以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法,并在水轮发电机组振动频谱波形特征的基础上,对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。     

水电机组振动监测装置的设置

一、设置目的 1.水电机组振动是反应机组运行好坏的一个重要参数,它取决于机组设计、制造水平和安装质量,影响着机组稳定、可靠地运行。随着机组单机容量的增大,机组的结构尺寸相应增大,机械刚度相对降低,振动问题更显突出。因此配置必要的振动监测装置,用以适时监测机组的振动大小。使运行     

模糊理论在水电机组振动故障诊断系统中的应用

振动是影响水力机组正常运行和危害机组寿命的主要故障。论述了模糊理论在水力机组振动故障诊断中的应用以及振动识别方法和特征信号的提取，并给出了振动频率与故障征兆关系表。在此基础上，建立了水力机组模糊理论振动故障诊断模型。     

基于人工神经网络的水轮发电机组振动预测研究

为了解决目前水轮发电机组状态监测过程中振动报警数值设置单一,不能满足实际运行的问题,根据三峡电站升水位试验数据,提出了基于BP算法的水轮发电机组监测部件振动人工神经网络预测模型,并给出了具体算法。研究表明,由于建立在翔实的数据基础之上,该模型能够有效预测水轮发电机组监测部件的振动,通过设置合理的报警阈值空间,能够有效地减少机组误报警,提高报警的有效性。     

基于小波包-神经网络的尾水管故障诊断

尾水管水压脉动信号中包含与涡带紧密相关的低频信息。偏心涡带是引起尾水管振动故障的主要根源。傅立叶变换很难提取涡带的低频特征,为此采用小波包与神经网络相结合的方法,对尾水管信号进行小波包多层分解,以提取信号的特征信息,然后输入神经网络进行故障诊断。试验表明：该法能利用小波包时频局部聚焦分析能力和神经网络的自适应能力,对尾水管振动故障进行有效诊断。     

模糊诊断法在水电机组振动中的应用

根据水轮发电机组的振动特点，探讨了适合于水轮发电机组的振动故障诊断方法，即模糊诊断法。提出了将模糊技术应用于水电机组振动故障诊断，介绍了模糊故障诊断的基本原理与实现，并以实际机组曾发生的振动故障为实例，验证了该方法的可行性和优越性。     

水电站厂房结构振动响应的神经网络预测

水电站厂房结构振动主要是水力、机械和电磁三大类振源引起的,厂房结构与机组之间存在明显的耦联作用,厂房结构和机组振动系统呈明显的动态耦合效应和非线性特征。本文在对实测厂房结构与机组振动响应关系分析的基础上,提出应用神经网络预测方法可在不考虑结构精确的数学力学模型的前提条件下,得出被研究对象的非线性振动特性,即通过机组的振动和尾水脉动的监测数据预测厂房结构的振动。该方法应用于三峡水电站厂房结构的振动预测,结果与实测结果基本吻合。     

基于人工神经网络的土坝病害诊断知识获取方法

以土坝测压管水位异常诊断为实例，对反向传播(BP)神经网络进行训练，然后通过典型示例经网络计算生成显式的诊断规则，为专家系统诊断推理时直接调用。该方法是土坝病害诊断知识获取的一种新方法，是对传统知识获取方式的拓展和补充。     

基于GA的BP神经网络智能PID控制在水力发电机组中的应用

水力发电机组是一个非线性、时变系统,常规PID控制不能达到较好的控制效果。提出了一种基于GA遗传算法、BP神经网络和RBF神经网络的智能PID控制方法。分别讨论了智能控制系统的结构,如GA,BP,RBF以及水电机组的数学模型;对水电机组采用智能PID控制器和常规PID控制器的动态特性进行分析。结果表明,采用智能PID控制器的水电机组具有更好的控制精度和动态特性。     

用BP神经网络原理对水流挟沙力的研究

通过对影响挟沙能力因素的分析，认为挟沙力的武汉水院公式和窦国仁公式在神经网络原理的基础上是一致的。找出了进行BP神经网络训练时应考虑的水沙要素，采用C Builder语言编制的程序，对30组高、中、低含沙量的水槽试验资料进行训练，发现训练值与实测值符合较好，说明得到的连接权能反映实际情况；用该连接权对4组试验数据进行了预测，预测结果与实测值相差较小，表明用BP神经网络方法确定挟沙能力的可行性。     

基于人工神经网络的土石坝震损病害的预测研究

本文介绍了基于L-M(Levenberg-Marquardt)算法的BP神经网络模型,利用模型对土石坝进行损害预测.选取243座震损土石坝水库为研究对象,确定土石坝裂缝、渗漏、滑坡为本次预洲的指标.同时采集243座水库震损土石坝的裂缝、渗漏、滑坡等三大震损病害资料,通过专家意见划分其等级,作为实测值.经过神经网络模型反...