基于网络水电机组振动多故障诊断方法.pdf

《基于网络水电机组振动多故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、２００７年１月农业机械学报第３８卷第１期基于网络的水电机组振动多故障诊断方法梁武科彭文季罗兴【摘要】提出了应用学习矢量量化神经网络诊断水电机组的多故障，可避免ＢＰ神经网络容易陷入局部最小与学习速度缓慢的问题。通过算例仿真检验，该网络能够有效地识别并分离出各种故障类型。关键词：水电机组振动故障诊断学习矢量量化中图分类号：ＴＭ６１２；ＴＰ８０６＋３文献标识码：Ａ的卡门涡列、水封间隙不等或迷宫环型式不当、空引言化、尾

2、水管涡带、协联关系不正确等引起的振动。其ＢＰ神经网络因能逼近任意非线性函数而成为振动的特点是振频随振源的变化而不同。目前应用最为广泛的一种神经网络。但ＢＰ网络采电磁振动用的是沿梯度下降的搜索求解算法，学习速度缓慢，电磁振动主要有：磁拉力不平衡、定子铁芯松还有可能陷入局部最小问题，不能保证求出全局最动、负序电流等引起的振动。其振动的特点是振动频小值［１］。学习矢量量化（ｌｅａｒｎｉｎｇｖｅｃｔｏｒ率只有转频和极频（１００Ｈｚ）２种。［２］ｑｕａｎｔｉｚａｔｉｏｎ，简称为ＬＶＱ），是一种有教师状态下水电机组振动多故障诊断方法对竞争层进行训练的算法，其

3、竞争层通过自动学习来识别输入向量，即它是一种自适应数据分类方法，故障诊断的神经网络方法在模式识别领域得到了广泛应用［３～５］。本文利用目前，已有不少文献对水电机组的振动故障机ＬＶＱ网络来实现对水电机组振动的多故障识别分理进行分析及试验研究，得到了大量有关机组振动类，并与传统的ＢＰ网络诊断进行比较。的典型故障征兆，通常故障征兆以振动信号的频域特征来描述。以水电机组过流部分为例，记牨为转水电机组的振动故障简述频，通常以（０４～０５）牨、牨、２牨、３牨、大于３牨频段所水电机组的结构复杂，激振因素较多，振动是非对应的最大振幅比值作为振动故障的特征量。

4、线性的，其振动机理十分复杂，因此，任何建立准确基于神经网络的故障识别方法，是根据水电机理论和数值模型的方法都只能是近似的和有限组不同状态的振动信号，通过建立故障模式训练样的［６］。通常根据激振因素的不同，对水电机组的振动本集，对网络进行训练。当网络训练完毕后，对于每进行分类。引起水轮发电机组振动的原因很多，大致一个新输入的状态信息，网络将能够迅速地给出分可归纳为机械、水力和电气３个方面［７］。类结果。其诊断流程如图１所示。机械振动机械振动主要有：转动部分质量不平衡、主轴不对中、轴承轴瓦间隙大或推力轴承的推力头松动、推图１神经网络故障诊断流程图力轴瓦

5、不平以及其他紧固件松动、机组转动部件与神经网络的结构固定部件的碰磨等引起的振动。其振动的特点是振动频率为转速频率（转频）及转频的倍数。ＬＶＱ神经网络由一个竞争层和线性输出层组成。图２是一个典型的ＬＶＱ神经网络结构图［８］。在水力振动该网络中，竞争层的作用是分类，但它首先是将输入水力振动主要有：压力管道中水力振动；蜗壳、矢量划分为较精细的子类别，然后线性层将竞争层导叶和转轮水流不均匀、导叶后面或转轮叶片后面收稿日期：２００５０７０１国家自然科学基金资助项目（项目编号：９０４１００１９）梁武科西安理工大学水利水电学院教授，７１００４８西安

6、市彭文季西安理工大学水利水电学院博士生罗兴西安理工大学水利水电学院教授博士生导师第１期梁武科等：基于ＬＶＱ网络的水电机组振动多故障诊断方法２０９的分类结果进行合并，形成期望的目标分类类别。轴系和发电机３个子网络。用神经网络进行故障诊断，首先要通过特征提取获得机组振动故障状态的特征向量，把这些特征向量作为网络的输入信号。以过流部分子网络为例，取振动信号频谱中的（０４～０５）牨、牨、２牨、３牨、大于３牨频段上的幅值比作为特征向量。同时选取水轮发电机组的４种典型故图２ＬＶＱ神经网络拓扑结构图障（涡带偏心、不对中、不平衡、叶片断裂），对于这４类故障分别选取

7、２组频谱值，构成相应４类故障的其中，爲是输入矩阵的元素个数，爳１是竞争神８组学习样本，并定义这４类故障代码分别为１、２、经元个数，爳２是线性神经元个数。一般称由竞争层３、４。表１是用于网络训练对应于４种典型故障的代学习得到的分类为子类别，而线性层得到的类别为表性样本，表２是用于测试网络的样本。表中数据已目标类别。竞争层和线性层都是每个神经元对应一用牀的方式将原始数据１ｍａｘ＝ｍａｘ（牀牏），牀牏＝牀牏燉牀ｍａｘ类，所以竞争层通过学习最多可以将输入分为爳个进行了归一化处理。子类，而线性层以后最多能形成爳２个目标类别，通常有爳１＞爳２。显然，ＬＶＱ网络的分类

8、能力受网络结表故障诊断的学习样本构的限制，一旦网络结构确定，分类数目就确定了。