资源描述：
《基于小波_神经网络的汽轮机转子故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、控制理论与应用《自动化技术与应用》2007年第26卷第12期ControlTheoryandApplications基于小波-神经网络的汽轮机转子故障诊断*熊富强,张航（中南大学信息科学与工程学院,湖南长沙410075）摘要:结合小波变换和神经网络技术,本文首先利用小波包对故障信号进行分解,然后将归一化后的数据用于RBF神经网络进行汽轮机转子故障分类。MATLAB实验仿真表明小波分析和RBF神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。关键词:小波变换;神经网络;故障诊断中图分类号:TP206.3文献标识码:A文章编号:1003-7241(2007)12-0001-
2、03FaultDiagnosisofTurbineRotorBasedonWavelet-NeuralNetworkXIONGFu-qiang,ZHANGHang(CollegeofInformationScience&Engineering,CentralSouthUniversity,Changsha410075China)Abstract:Basedonthewavelettransformandneuralnetworktechnology,thispaperpresentsawaveletpackettodecomposethefaultsignal.Thenan
3、euralnetworkisusedfortheturbinerotorfaultclassification.MATLABsimulationshowsthatthecombinationofwaveletanalysisandRBFneuralnetworkinfaultdiagnosisoftheturbinerotoriseffective.Keywords:wavelettransform;neuralnetworks;faultdiagnosis1引言造的汽轮机转子的各种故障样本特征向量对径向基(RBF)神经网20世纪以来,随着工业生产和科学技术的发展,机械设络
4、进行分类训练,由于用小波包所构造的特征向量特征明显,经过备的可靠性、可用性、可维修性与安全性的问题日益突出,从训练的神经网络可有效地诊断汽轮机转子的各种常见故障。而促进了人们对机械设备故障机理及诊断技术的研究。汽轮发电机组是电力生产的重要设备,由于其设备结构的复杂性和运行2利用小波包分析进行汽轮机转子故障环境的特殊性,汽轮发电机组的故障率较高,而且故障危害性的特征提取也很大。因此,汽轮发电机组的故障诊断一直是故障诊断技术2.1小波包分解应用的一个重要方面[1]。小波包分解可以将信号分解为原信号在不同频带上的投影,汽轮发电机组属于典型的旋转机械,其振动信号在本质上可对这些频带
5、内的信号进行分析称之为频带分析技术[3]。小波包分分为平稳振动信号和非平稳振动信号两大类,小波包分析是一种析能够将频带进行多层次划分,对多分辨分析没有细分的高频部先进的时频分析手段[2],它能有效地提取非平稳振动信号中的故分进一步分解,并能够根据被分析信号的特征,自适应地选择相应障特征,是汽轮机转子故障特征提取的有效方法。振动信号各频频带,使之与信号频谱相适应,从而提高了时频分辨率[4],使故障率成分能量的变化表征了设备的故障状况,基于这一点,文章在小特征提取能在更加细化的频带内进行。图1是以三层小波包分解波包分解系数单支重构的基础上,提出了以各频段信号的能量来为例说明小波
6、包分解过程[5]。构造设备故障特征向量的方法,该方法不需要系统的模型结构,而是直接利用各频率成分能量的变化来体现设备的故障状况。用构*基金项目:1、湖南省科学技术与科技计划（2006GK3130）2、湖南省自然科学基金奖资助项目（05JJ30121）收稿日期:2007-07-06图1N=3时小波包分解关系TechniquesofAutomation&Applications
7、1《自动化技术与应用》2007年第26卷第12期控制理论与应用ControlTheoryandApplications图中:A表示低频,D表示高频,末尾的序号表示小波包分解力、分类能力（模式识别）和学习
8、速度等方面均优于BP网络。RBF的层数。分解具有如下关系:网络的输出为NX=AAA3+DAA3+ADA3+AAD3+DAD3+ADD3+DDD3yi==fi(xW)åikF-kk(xc2)（1）k=12.2特征提取由于Guassian函数具有如下特点:①表示形式简单,即使对由汽轮机转子振动信号的特点可以看出,在脉冲力作用时于多变量输入也不增加太多的复杂性;②径向对称;③光滑性好,刻附近,能量值较大;而在远离脉冲力作用的时刻,主要是低频任意阶导数存在;④由于基函数表示形式解析性好,因而便于进行干扰和噪声成分,能量值较
