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。     

改进BP算法在柴油机故障诊断中的应用

针对使用BP算法的多层感知器中存在的网络学习收敛速度慢,容易陷入局部极小等问题,采用一个改进的算法,对设备故障进行诊断和分析研究。以某柴油机供油系统为例,对其中的几种常见故障进行了诊断研究。从中可以看出,改进算法加快了收剑速度,诊断的精度也有所提高。     

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BP网络的水轮机调节系统状态监测与故障诊断

提出了一种基于参数的水轮机调节系统状态监测和故障诊断方法,并设计了基于BP人工神经网络的实现模型,对该方法中用到的数据处理技术做了深入研究,为水轮机调节系统的状态监测和故障诊断研究提供了一种新思路。     

BP网络的改进算法及其在旋转机械故障诊断中的应用

针对ＢＰ网络用于高速旋转机械的故障诊断时学习收敛速度慢和易出现局部最小点的不足，采用自适应学习率和绝对误差等距离逼近方法，对其参数进行了研究。结果表明，这两种方法有效地提高了ＢＰ网络的收敛速度，并给出了自适应学习率、慢性因子、隐层单元数的合取值范围和推荐值。     

基于BP和Elman神经网络的压气机特性的计算

采用BP神经网络和Elman神经网络对某型轴流式压气机进行了特性计算,分析了这两种神经网络在压气机特性计算方面的不同之处,结果表明BP神经网络和Elman神经网络在样本数据内插值预测的情况下都可以获得比较理想的精度,而在需要样本数据外插值预测的情况下,Elman神经网络利用逐步外插法,通过增加样本点的方式,具有更好的泛化能力。     

基于改进粒子群优化BP网络的水轮发电机故障诊断

针对常规BP神经网络在水轮发电机振动故障诊断中存在的收敛速度慢、易陷入局部极小等缺陷,提出了一种基于改进粒子群算法优化神经网络的方法,实现了BP网络的权值优化,并对水轮发电机的振动故障进行了诊断.实例仿真结果表明,该方法具有较好的分类效果,适用于水轮发电机的故障诊断.     

基于BP网络的故障诊断方法及其在电站中的应用

电站机组可能会发生各种故障，有些故障没有明显征兆。为能诊断这类故障，需要新的方法。提出了根据当前技术条件下可以测量到的参数，而不一定是故障特征参数，进行故障诊断的思路。介绍了BP人工神经网络的结构和学习方法，提出了基于BP网络的模式识别能力，建立电站性能监测与诊断系统的新思路和方法。利用该方法，对电站设备性能下降故障的程度进行了成功诊断。图2表2参3     

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神经网络的电控汽油机传感器故障在线诊断技术研究

应用人工智能神经网络和推理法则,提出了一套针对电控汽油机传感器的在线故障诊断策略。以传感器采样值作为神经网络的输入,故障代码作为输出,对电控汽油机进行在线故障诊断。通过台架试验对神经网络进行了训练和验证,结果表明,提出的诊断策略对节气门位置传感器和进气压力传感器短路、断路和值不变故障诊断率达到98％,对未标定故障的诊断率也达到85％。研究表明该诊断策略是可行的。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。