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。     

水轮发电机组的状态监测和故障智能诊断系统的研究

本文通过分析水轮发电机组的故障特征和表现形式，介绍了一种机组状态监测和故障诊断系统。根据机组状态监测和故障诊断系统的要求，提出了层次化的信息处理方法。充分的利用神经网络和专家系统各自的优点，构造了基于神经网络和专家系统的水轮发电机组智能诊断系统。该系统可广泛应用于各类水轮发电机组的实时监测和故障诊断。     

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。     

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。     

免疫小波网络在水轮发电机组故障诊断中的应用

水轮发电机组的振动原因非常复杂,难于通过理论分析的方法在故障原因和故障征兆之间建立对应关系,而小波网络在处理复杂非线性函数关系上优于其他的神经网络。为此,结合水轮发电机组的振动特点和小波网络的结构特点,建立了免疫小波神经网络模型。对小波网络结构参数进行优化时,应用免疫系统的调节原理,依据抗体的适应度和抗体浓度的大小,来确定其选择概率;并利用适应度函数动态调整交叉概率和变异概率。理论分析及实例结果表明,该模型收敛速度快,精度高并有较好的泛化能力,为水轮发电机组状态监测及故障诊断提供了一种新途径。     

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

水轮发电机组故障诊断系统结构及软件实现方法

水轮发电机组的故障诊断是状态检修实现的前提，机组振动的故障诊断在水轮发电机组的状态检修中举足轻重。本文使用面向对象技术构造了水电站知识库。根据该知识库分析实现了机组故障诊断系统规则和模型推理的数据结构，并根据构造出来的推理数据结构以及知识库对机组振动进行了故障诊断模拟。     

基于免疫算法的水轮发电机组振动故障检测

故障诊断技术是水轮发电机组安全稳定运行的关键技术之一.针对水轮发电机组传统故障诊断方法诊断效率较低的问题,提出了一种基于免疫算法(Immune Algorithm,IA)的水轮发电机组故障诊断方法.对已采集好的水轮发电机组故障样本数据进行预处理构成故障类型编码,并设置算法的相关参数,在此基础上运用MATLAB开发的免疫...     

现代水轮发电机组动平衡故障诊断与实践

简要阐述了水轮发电机组动平衡故障诊断中所使用的现代测试与分析技术。通过两个动不平衡故障的诊断与处理实例,指出了波德图、频谱图等现代分析技术对于水轮发电机组动平衡故障诊断的价值和意义;总结了基于现代测试与分析技术的动平衡故障的主要特征;验证了影响系数法对于水轮发电机组动平衡故障处理的准确性及实用性。对于提高水轮发电机组动平衡故障诊断的准确性及其精度具有推广和借鉴意义。     

基于虚拟仪器的水轮机组监测与诊断分析系统

随着水电机组在国家电力工业中的比重和水轮发电机组单机功率的增加,对水电机组的状态监测和故障诊断技术提出了更高的要求。本文采用虚拟仪器系统作为开发平台设计并组建水轮发电机组监测和故障诊断系统。该系统实现了水轮发电机组振动信号的数据采集、数据处理和分析,并进行故障诊断。。     

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。     

大型水轮发电机组稳定性分析和故障诊断

分析了大型水轮发电机组稳定性的基本影响因素和机组不稳定的基本原因。根据水电厂“无人值班(少人值守)”管理模式和状态检修的要求,针对当前大型机组的稳定性问题,结合电网和水电厂运行实际,提出了一个切实可行的故障诊断系统。叙述了该系统结构的基本内容。     

模糊理论在水轮发电机组故障诊断中的应用

以模糊理论为基础，结合水轮发电机组的结构设计，运行工况，现场运行人员和专家的经验，分析了故障与征兆之间的模糊关系，形成了水轮 发电机组诊断规则，建立了水轮发电机组模糊诊断自适应修正数学模型，并用某水电厂具体故障实例加以分析，诊断，验证，结果证明了该数学模型的合理性和适用性。     

基于遗传神经网络和证据理论融合的水电机组振动故障诊断研究

针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。     

水电机组状态监测与故障诊断技术研究现状与发展

根据状态监测与故障诊断技术在水电领域的应用情况,介绍了水电机组稳定性、水轮机空蚀和调速系统等水电机组状态监测与故障诊断的主要内容及其现状;着重阐述了故障树分析法、模糊理论、人工智能及小波分析等该领域的主要研究方法和研究成果及其应用情况;并对水电机组状态监测与故障诊断技术的发展前景和趋势进行了分析与展望。     

融合改进符号动态熵和随机配置网络的水电机组轴系故障诊断方法

现有水电机组轴系故障诊断研究主要建立在单一传感器振动信号数据的基础上,存在故障信息缺失和传感器测点选择困难等问题。为此,提出了一种基于精细复合多元多尺度符号动态熵(RCMMSDE)和随机配置网络(SCN)相结合的水电机组轴系故障诊断方法。首先,将精细复合技术引入RCMMSDE模型中,改进了传统多元多尺度熵粗粒化不足的问题。然后,通过提取水电机组不同传感器振动信号的RCMMSDE值作为故障特征。最终,将故障特征输入SCN网络实现水电机组轴系故障的准确识别。仿真结果表明,RCMMSDE-SCN模型在两个不同数据集上分别取得了97.58%和99.17%的诊断率,验证了所提模型具有良好的诊断性能。同时,对比不同诊断模型在多元传感器信号和单一传感器信号两种不同情景下的诊断情况,表明融合多元振动信号可以有效改善水电机组轴系故障诊断模型的识别性能。本研究为融合水电机组多元传感器振动信号故障诊断提供了一种新的方法,具有良好的借鉴价值。     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

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。     

配电网故障诊断方法综述

随着配电网的日趋复杂,对配电网故障诊断的要求也日益增强。作者以配电网为研究对象,简要介绍国内外目前配电网故障诊断的几种常用方法(专家系统、模糊理论、遗传算法、Petri网、人工神经网络、多代理系统、粗糙集理论、混合整数规划法、优化算法),比较了各种方法的优缺点并评价了这些算法的可行性及实际应用中存在的问题。     

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。