基于BP网络的汽轮发电机组振动故障诊断方法研究

首先分析了汽轮发电机组振动故障特点及ＢＰ网络的特点,指出采用ＢＰ网络诊断方法的必要性,然后对基于ＢＰ网络的汽轮发电机组振动故障的诊断方法及网络结构与诊断性能的关系进行研究。     

汽轮发电机组振动故障诊断研究

本文作者论述了汽轮机组故障诊断中使用的信号处理和故障诊断方法,分析了各种方法的优缺点,最后展望了汽轮发电机组振动故障诊断的发展方向。     

基于RBF网络的汽轮发电机组故障诊断

针对电厂汽轮发电机组故障诊断问题,设计了RBF网络故障诊断系统．根据输入特征向量进行RBF网络的学习,并将RBF网络诊断故障的方法成功地应用于汽轮发电机组故障诊断．仿真结果表明：RBF网络比BP网络更稳定,训练误差更小。     

汽轮发电机组振动故障的一种综合诊断方法

通过对汽轮发电组水平与垂直方向振动信号的分析，指出常规的采用单方向振动信号的诊断结果往往存在一定的片面性，同时提出了一种基于ＢＰ网络的结合水平与垂直方向振动信号的综合诊断方法，通过实际诊断证明，该方法有利一对机组故障的全面诊断。     

汽轮发电机组振动监测与故障诊断系统

开发汽轮发电机组振动监测与故障诊断系统。该系统以模拟转子实验台作为信号源，通过数据采集和信号分析，利用计算机对机组运行参数在线监测；同时选用模糊数学方法建立频率的特征分量与故障症侯群之间的数学模型，对机组运行状态进行智能诊断。     

用BP网络诊断汽轮发电机组振动故障

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，该算法从根本上解决了ＢＰ网络中学习率的取值和收敛速度慢的问题，并有效地解决了ＢＰ网络易收剑到局部最小点的问题，并将这种改进的算法应用于汽轮发电机组的故障诊断中，结果表明该方法可行。     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

汽轮发电机组振动监测与故障诊断系统

开发汽轮发电机组振动监测与故障诊断系统。该系统以模拟转子实验台作为信号源，通过数据采集和信号分析，利用计算机对机组运行参数在线监测；同时选用模糊数学方法建立频率的特征分量与故障症侯群之间的数学模型，对机组运行状态进行智能诊断。     

浅析大型汽轮发电机组振动及诊断

本结合电力生产实例，通过对大型汽轮发电机组振动现象进行详细的分析，提出经过频谱分析，找出事故原因的主频率，诊断振源方法。     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

基于熵和粗集的设备故障诊断方法

提出了一种基于熵和粗集的故障诊断方法。利用信息熵判断系统运行状态，确定系统故障的严重程度，并依据故障程度采集相应的数据，在此基础上，运用一种改进的区分矩阵方法进行相对约简并对不一致信息进行处理，最终形成一种综合策略的诊断规则。     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备, 对其进行故障诊断的研究具有十分重要的意义． 本文在分析通风机振动故障的原因及故障特征的基础上, 研究利用人工神经网络进行通风振动故障诊断的方法, 并建立了相应的神经网络诊断模型, 研究表明该模型可用于通风机的故障诊断, 是一种有效的智能分类器．     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备,对其进行故障诊断的研究具有十分重要的意义.本文在分析通风机振动故障的原因及故障特征的基础上,研究利用人工神经网络进行通风振动故障诊断的方法,并建立了相应的神经网络诊断模型,研究表明该模型可用于通风机的故障诊断,是一种有效的智能分类器.     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

基于BP神经网络的液压系统故障诊断研究

介绍了神经网络反向传播算法(BP)的原理,研究了算法在某航天发射塔旋转平台液压系统故障诊断方面的应用,结合液压系统结构特点和工作原理,编制了基于BP神经网络的故障诊断系统,对液压系统各种故障模式进行了识别.仿真和试验表明设计的方案是可行的,并已成功应用于某航天发射塔旋转平台液压系统液压回路的故障诊断识别.     

基于GA-PSO优化BP神经网络的压缩机气阀故障诊断

针对压缩机气阀故障信号非平稳性、非周期性的特点,提出一种基于主成分分析（PCA）和GA-PSO优化BP神经网络的压缩机气阀故障诊断方法。首先利用小波包分解提取出气阀故障的特征;然后故障特征向量通过PCA降维,降低网络的规模和计算时间。针对标准BP算法收敛速度慢且易陷入局部极小的缺点,引入一种GA-PSO算法用于BP神经网络的参数优化过程。最后以往复压缩机阀盖的振动信号作为信号源,通过故障诊断仿真测试,验证了PCA和GA-PSO-BP神经网络对压缩机气阀故障诊断具有可行性和有效性。     

基于BP网络和LS-SVM的特征提取和故障识别方法

针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优.