核电百万千瓦级汽轮发电机轴系振动模拟试验研究

本文以独特的、自行设计的支承刚度可变的多功能模拟轴系为具体的研究对象，对百万千瓦级汽轮发电机组的动力特性进行分析，分析不同支承方式引起轴第临界转速的变化，不同支承刚度对轴系振动的影响；轴系扬度曲线对轴系临界转速的影响，以及不对中安装对轴系振动的影响。     

联接刚度对核电百万千瓦级汽轮发电机轴系的动力特性影响研究

Reduce分析法可大为简化联接刚度对核电百万千瓦级汽轮发电机轴系的动力特性影响之研究。在自行研制的“核电百万千瓦级汽轮发电机轴系模拟试验台”上，成功地进行了联接刚度对轴系固有频率的灵敏度分析，为“核电百万千瓦级汽轮发电机”的动力修改奠定了坚实的基础。     

基于前向神经网络的非线性时变系统辨识改进EKF算法

为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。     

基于前向神经网络的非线性时变系统辨识的改进递推最小二乘算法

标准的递推最小二乘算法随着递推次数的增加,增益矩阵将逐渐趋于零,致使递推算法慢慢失去修正能力,出现所谓的“数据饱和”现象。为了克服“数据饱和”问题,本文首先对递推最小二乘算法进行改进,得到了改进的最小二乘算法(IRLS),并给出了收敛性证明,然后将该算法应用于基于前向神经网络的非线性时变系统辨识。通过对两个非线性时变系统进行有效验证,仿真结果表明本文算法计算精度高、计算速度快、数值稳定性好,并能有效克服“数据饱和”。     

基于HMM的核动力旋转机械故障诊断的研究

隐Markov模型(HMM)已经证明是学习动态时间序列的概率模型的最广泛应用的工具之一,它可以使用一个隐变量来模拟系统的动态行为的变化。核动力旋转机械升速过程具有信息量大、信号非平稳、重复再现性不佳等特点,HMM很适合处理此类信号。将HMM引人到核动力旋转机械的故障诊断中,提出了一种基于HMM的故障诊断方法。     

采用改进遗传神经网络的多载荷振动信号故障诊断

根据柴油机气阀机构运动规律,利用小波包分解提取缸盖振动信号的特征向量;针对多种载荷混合诊断的问题,采用二进制与实数混合编码的方式对使用遗传算法的误差反向传播（BP）神经网络的隐层结点数目、权值和阈值进行优化。通过实验检测,证明该方法在多种载荷混合振动信号诊断上,较一般方法学习、收敛速度快,检测准确率高。     

改进的BP神经网络在风机故障诊断中的应用

采用动量法和学习速率自适应的改进BP神经网络建立风机故障诊断系统。在网络训练过程中分别采用标准训练样本和含有白噪声的训练样本来训练网络,使网络具有一定的容错性。最后通过仿真实验和风机的故障诊断实例表明：改进的BP神经网络减少训练次数,提高了学习效率,而且有效地抑制网络陷于局部极小,是风机故障诊断的有效方法。     

Wavelet Transform and Neural Networks in Fault Diagnosis of a Motor Rotor

In the motor fault diagnosis technique,vibration and stator current frequency components of detection are two main means.This article will discuss the signal detection method based on vibration fault.Because the motor vibration signal is a non-stationary random signal,fault signals often contain a lot of time-varying,burst properties of ingredients.The traditional Fourier signal analysis can not effectively extract the motor fault characteristics,but are also likely to be rich in failure information but a weak signal as noise.Therefore,we introduce wavelet packet transforms to extract the fault characteristics of the signal information.Obtained was the result as the neural network input signal,using the L-M neural network optimization method for training,and then used the BP network for fault recognition.This paper uses Matlab software to simulate and confirmed the method of motor fault diagnosis validity and accuracy.     

集成小波神经网络在故障诊断中的应用研究

以非线性Morlet小波基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立集小波分析与神经网络于一体的紧致型小波神经网络,并给出了具体的算法。基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的集成小波神经网络故障诊断系统,即通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合。给出了系统的实现策略和子网络的组建原则。从诊断实例中可以看出,此诊断系统充分利用各种特征信息,可以有效的提高确诊率。     

补偿模糊神经网络的改进及其在通风空调故障诊断中的应用

对传统补偿模糊神经网络(CFNN)的算法进行了改进,提出了动态调整学习步长的方法,避免了较大震荡,同时加快了迭代速度,与定学习步长的方法相比,学习速度和误差精度都有大大提高,最后通过仿真实验证明该方法在地下通风空调系统故障诊断中,具有收敛速度快,诊断精度高,并且适应性强等优点.     

神经网络技术与小波分析相结合的故障诊断方法

提出了一种将神经网络技术与小波分析相结合的故障诊断方法,对诊断对象进行时域信号采集,通过小波分析,获得所需参数,再将此参数作为神经网络的输入量,从而达到故障诊断的目的.     

旋转机械故障诊断的神经网络方法研究

BP神经网络具有较好的非线性映射能力,可以描述频率特征和故障之间的关系,而概率神经网络学习规则简单、训练速度快、避免局部极小和反复训练的问题。根据两种神经网络的原理选择合适的参数建立两个旋转机械故障诊断模型,并利用模型对某旋转机械的故障数据进行处理,结果显示两种网络在故障诊断方面的实用价值。通过对故障数据的结果对比可以看到PNN网络比BP网络具有更好的容错能力。     

基于小波分析和模糊神经网络的齿轮故障诊断研究

建立齿轮故障信号采集模拟试验台,结合小波分析特征提取方法和模糊神经网络对齿轮故障进行了诊断,通过实验仿真,取得了很好的诊断结果。相比于传统的BP神经网络诊断方法,无论在诊断速度还是诊断精度上,模糊神经网络更具有优势。