模糊自组织神经网络在汽轮机转子故障诊断中的应用

针对汽轮机转子故障分类问题,采用模糊数学和自组织特征映射神经网络方法诊断汽轮机转子的故障。该方法具有结构算法简单,无监督自学习和侧向联想等功能。     

汽轮机振动分析及故障诊断

采用状态监测技术和信号分析的手段对汽轮机机组进行了振动分析和故障诊断。通过实验和对现场测试信号的频谱分析，确定了故障的类型和振动异常的主要原因。结合工程实际提出了大修方案。方案实施后，振动大大减小振幅符合国家标准。     

基于支持向量机的汽轮机振动故障诊断系统

以MATLAB为开发平台构建了一套汽轮机振动故障诊断系统.该系统以支持向量机算法为核心,并通过建立支持向量机多分类模型对汽轮机常见故障进行了精确的诊断.     

采用概率神经网络的汽轮机故障诊断方法

针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了采用概率神经网络(PNN)的汽轮发电机组故障诊断方法。由于PNN学习算法简单、训练和泛化速度快,因此可以满足实时处理要求。此外,很容易把新的训练样本添加到以前训练好的分类器中,便于提高故障诊断结果的准确性。仿真结果表明:该诊断方法快速、准确且易于工程实现。图1表2参9     

基于模糊神经网络的凝汽器故障诊断系统研究

该文根据凝汽设备的结构特点和工作特点，从理论上分析了影响凝汽器低真空各种原因，并结合现场工程师的直觉经验，建立了凝汽器低真空的故障知识库。同时，还建立了基于模糊神经模型的故障诊断系统，对凝汽器故障进行诊断。该诊断系统是由无监督自学习网络和模糊运算构成，除了能识别已经训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此很符合复杂系统的故障诊断。     

305小汽轮机振动分析及解决措施

３０５小汽轮机组振动原因主要有２个：制造工艺没有保证轴系的平衡,轴承设计汉有考虑小转子体轻和非接触式测振的特点,而采用对轴强制轴承结构,因此,使转子相对振动值很大,考虑到振动力与约束力关系来分析振动的原因,同时提出可供选择的减小相对振幅值的几项参考方案。     

基于粒子群优化神经网络的水轮机振动故障诊断

为了提高水轮机振动故障诊断正判率,提出粒子群算法优化BP神经网络的水轮机振动故障诊断方法,即把通过特征提取获得的机组故障特征量作为神经网络的输入,然后利用训练好的粒子群算法优化后的神经网络进行水轮机振动故障类型诊断。诊断结果表明,该方法具有良好的分类效果,比BP神经网络诊断模型诊断精度高。     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。     

基于SVAR的汽轮机转子振动时间序列预测

为了监测汽轮机转子在运行中的振动状态,提高转子运行的安全性,将统计学习理论中的核心算法--支持向量机与自回归方法相结合,建立了转子振动振幅时间序列预测模型(SVAR).并通过实例,与基于灰色理论建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较.结果表明:基于支持向量自回归的转子振动预测模型具有精度高、泛化能力好的特点.应用该方法建立的预测模型能够很好地对转子振动振幅进行中短期预测,为有效避免转子运行中由振动引起的故障提供保证.     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

基于多输入神经网络在汽轮发电机组中的研究与应用

人工神经网络以其独特的优点在故障诊断中的应用越来越受到关注。提出了以改进BP神经网络为基础的多征兆域输入、分层诊断的故障诊断模型,该模型具有网络结构简单,收敛速度快,便于管理等优点。经实验和现场数据验证,该模型不仅对单故障具有诊断能力,而且对于并发故障也有较强的分类功能。     

燃气轮机多元模糊神经网络诊断模型的研究

对基于热力参数的燃气轮机8种典型常用故障，提出了一种亲的适用于燃气轮机故障诊断的多元模糊神经网络模型。用具有代表性的故障样本训练该网络，就可以对不同大气温度，不同负荷下的常见故障进行诊断。     

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。     

多层传递函数的量子神经网络在汽轮机故障诊断中的应用

针对汽轮机故障分类边界的模糊性和故障模式之间存在交叉数据的诊断不确定问题,将多层传递函数的量子神经网络用于汽轮机发电机组的故障诊断,提出了量子神经网络的学习算法.以某热电厂汽轮机组被确诊的不对中故障为例,证明了这一方法的有效性.     

基于MATLAB的集成神经网络在给水泵故障诊断中的应用

针对大型火电站电动给水泵常见的振动故障,采用基于MATLAB的集成神经网络对给水泵的振动故障进行诊断。从单个神经网络开始,从信息融合的角度建立了集成神经网络故障诊断方法,探讨集成神经网络的实现策略和组建原则,并给出给水泵振动故障诊断的实例,证明该诊断方法提高了故障确诊率。     

大型汽轮发电机组模糊神经网络诊断模型研究

从模型设计基础出发,创立模糊神经网络诊断模型,给出它的突出特点,然后将其应用到大型汽轮发电机组故障诊断中,建立分级组合式神经网络诊断系统,通过诊断举例,分析了该模型的智能诊断机理和优越性。     

基于径向基函数神经网络的汽轮机转子等效应力计算模型

为解决汽轮机转子应力的在线监测问题,建立了基于径向基函数(RBF)神经网络的汽轮机转子等效应力计算模型,对比了用有限元和RBF神经网络模型两种方法计算得出的冷态、温态、热态和极热态4种启动工况下转子调节级叶轮根部圆角处的等效应力.计算结果表明:RBF神经网络模型计算结果与有限元法解的结果非常相近,且计算简便、耗时少,可以应用于汽轮机转子等效应力的在线计算,为汽轮机转子寿命在线管理提供依据.     

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。     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

基于异构粗糙神经网络集成的故障诊断研究

将粗糙集与神经网络集成相结合,提出一种基于异构粗糙神经网络集成进行故障检测的方法。首先利用粗糙集的属性约简能力,从给定数据集中去除冗余信息;然后基于负相关学习理论构造多个异构成员神经网络,最后组合多个训练好的异构神经网络进行故障诊断。该方法不仅显著提高了神经网络的泛化能力,而且无需预先确定神经网络的拓扑结构,简单易用。设计了四种不同的诊断器在柴油机供油系统的标准样本集上进行的诊断测试实验,结果表明,基于异构粗糙神经网络集成的故障诊断方法具有最好的诊断正确率。