资源描述：
《基于神经网络的水轮发电机组振动故障诊断专家系统的研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、西安理工大学学报’·生文章编一一一号基于神经网络的水轮发电机组振动故障诊断专家系统的研究,‘,‘,‘,‘刘峰杨晓萍刘晓黎贾嵘西安理工大学水利水电学院,陕西西安甘肃河西水电发展有限责任公司、,摘要针对神经网络的缺陷和水轮发电机组振动故障原因多征兆多的特点利用网络分块,,,技术把网络规模控制在可以接受的范围内并将专家系统与神经网络相结合较好地。,该,解决了知识获取和自学习的问题通过实例验证网络模型能有效地分离各种故障类型在水轮发电机组振动故障诊断中具有一定的诊断能力。关键词专家系统神经网络水轮发电机组振动故障诊断中图分类号文献标识码‘,一‘,一‘’,‘’一,’,一一一,,一,一一一振动
2、是直接关系到水轮发电机组正常运行的一项重要指标。据有关部门统计,水轮发电机组约有的故障或事故都在振动信号中有所反映。由于振动的广泛性、振动信号的多维性和测振技术的实用性,一般监测系统均将振动作为主要监测项目。针对水轮发电、,机组振动故障原因多征兆多的特点本文吸取了神经网络和专家系统两种方法的优,,,点将神经网络的理论和方法与专家系统结合建造一个混合型集成式的专家系统用于水轮发电机组振动的故障诊断,使快速判别故障类型和实现故障准确定位成为可能。诊断系统的实现,根据传统的专家系统与人工神经网络相互结合方式的不同集成式专家系统一般可分为种类型‘」。一数一、一。本文应用了征兆据专家系统神经
3、网络结论模型实际的神经网络诊断系统并非实现一个简单的问题和分类问题。水轮发电机组振动故障诊,。,断涉及上百个征兆常见故障也有一种川对于这样规模较大的问题若用一个网络实现对知,。,识的存贮并用它来进行诊断推理至少由于学习速度和推理能力等问题还是不现实的川因此一一收稿日期一,,,。作者简介刘峰女新疆焉曹人西安理工大学工学硕士刘峰等基于神经网络的水轮发电机组振动故障诊断专家系统的研究本文在,用网络实现水轮发电机组的综合诊断时针对水轮发电机组的每种设备建立一个故障子网络,对每一个子,网络采用多输入多输出的网络这样就将一个大神经网络分成若千个小神经网络,学。习速度和推理泛化能力都可满足现场运
4、行要求川对这些机组故障知识应用专家系统与人工神经网络相结合的集成式诊断模式,专家系统中的知识获取、知识表示、知识库维护、不精确推理等用神经网络来解决。水轮发电机组故障诊断专家系统的集成诊断系统结构框图如图所示。故障诊断系统厂故障诊断知识库状数据集态采刃刊翩州酬数据库及神经网络振动模块一策报决告管理系全充神经网络振动模块一下斤日﹂侧川州侧川︺下神经网络振动模块推理机解释机构知识获取机构人机界面图系统结构框图神经网络诊断知识库的组建包括知识的获取和存储两个过程。知识的获取表现为训练样本的获得和选择,训练样本来源于同类型诊断对象在正常运转时和带故障运行时的各种特征参数。知识的存储表现为对
5、样本训练所得的权值和阀值进行存储。,。用人工神经网络解决水轮发电机组的故障诊断时首要的工作是收集机组特征样本数据一个学。,,习样本是一组输入输出数据为了使经学习后得到的网络具有较好的性能也就是说能够准确地识别水电机组的故障,所收集的数据应该包括与问题对应的全部模式。圈对所收集到的学,。、习样本还应进行整理才能够用于网络的学习过程实际的机组故障时的振动摆,,。度值一般达到几十微米甚至上百微米振动信号的频域特征值一般也维持在这个范围通常选用,因此,,型函数作为网络中神经元的激发函数为了有效地利用型函数的特性以保证网络神经元,,。的非线性作用对于数值型的学习样本要进行归一化处理本文选用包
6、含个隐层的层,,网络针对水轮发电机组故障多的特点建立了个故障子网络,综合水电机组几,,,大类故障比较有代表性的特征量输入节点选为个对应个特征量隐层节点为,,个,,例,输出节点为每个故障子网络的故障数如过流部件子网络训练了种故障样本则输出节点为个。个故障子网络的样本数据分别为转子轴承故障子网络样本特征值见表、发电机故障子网络样本特征值见表和过流部件故障子网络样本特征值困见表。表转子轴承故障子网络样本特征值故障特征量转子不平衡门︶﹄日︶︸曰上,︸︵转子不对中吕转子弓形弯曲轴承间隙过大八转子动静不平衡︶动静碰摩表发电机故障子网络样本特征值故障特征量磁力不平衡二相负荷不平衡定子铁芯铁片松动
7、转子绕组匝司短路磁极不均匀西安理工大学学报第卷第期表过流部件故障子网络样本特征值故障特征量尾水管偏心涡带,日︵水封间隙不等自上水力不平衡梳齿相对间隙大卡门涡一︺气蚀转轮叶片断裂吕小负荷振动说明表、表、表中的故障特征量一巧分别表示一倍频、一邝倍频、倍频、倍频、倍频、或频率、高频、上导轴承、下导轴承、水导轴承、上机架、振动与转速关系、振动与负荷关系、振动与励磁电流关系和振动与流量关系。,并且确定了,收集了神经网络的训练样本各个网络的输入和输出个数后用收集的神经网络训练,,
