欢迎来到天天文库
浏览记录
ID:52972558
大小:228.70 KB
页数:3页
时间:2020-04-05
《基于广义回归神经网络的旋转机械振动特征预测.pdf》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、第57卷第5期汽轮机技术Vo1.57No.52015年10月TURBINETECHNOLOGY0ct.2015基于广义回归神经网络的旋转机械振动特征预测陈东超,徐婧,洪瑞新,顾煜炯,何成兵(华北电力大学国家火力发电工程技术研究中心,北京102206)摘要:提出了一种基于广义回归神经网络(GRNN)模型的旋转机械振动特征预测策略,给出了一种快速的GRNN模型平滑参数的优选方法;采用滑动窗口的方法更新训练样本,以便在每步预测之前获得能反应振动最新变化趋势的网络结构,进而提高预测精度。将该方法应用于某600MW核电机组动静碰摩故障下的振动特征预测,并与粒子群算法优化的支持向量回归模
2、型(PSO—SVM)、径向基函数神经网络(RBFNN)模型的预测结果进行了对比分析,结果表明:提出的振动预测模型的总体性能优于PSO—SVM、RBFNN模型,在学习样本数目较少的情况下也能够得到较为满意的预测结果。关键词:旋转机械;振动;预测;广义回归神经网络分类号:TK268.1文献标识码:A文章编号:1091—5884(2015)05-0360-03RotatingMachineryVibrationCharacteristicsForecastingBasedOilGeneralizedRegressionNeuralNetworkCHENDong—chao,XUJin
3、g,HONGRui-xin,GUYu-jiong,HECheng—bing(NationalThernlalPowerEngineering&TechnologyResearchCenter。NorthChinaElectricPowerUniversity,Beijing102206,China)Abstract:Astrategyofrotatingmachineryvibrationcharacteristicsforecastingisproposedbasedongeneralizedregressionneuralnetwork(GRNN)mode1.Andthe
4、determinationoptimizationofsmoothingparametersareintroduced.Themethodofslidingwindowisadoptedtoupdatethetrainingsamples,thus,thenewestnetworkstructurecanrefeleetthechangingtrendofvibrationresponseswouldbeachievedbeforeeverypreditionstepwhichcanmprovethepredictionaccuracy.Themethodisappliedt
5、oforcastvibrationcharacteristicsofthecontactrubbingfaultofa600MWnuclearpowerunit.Predictionresultsarecomparedwithsupportvectorregressionoptimizedbyparticleswarmoptimizationalgorithm(PSO—SVR)modelandradialbasisfunctionneuralnetwork(RBFNN)model,respectively.ResultsshowthattheproposedGRNNvibra
6、tionpredictionmodelperformsbetterboththanPSO—SVRmodelaswellasRBFNNmodelandforeastresultcanmeettherequirmentevenwithafewnumberoflearningsamples.Keywords:rotatingmachinery;vibration;forecasting;generalizedregressionneuralnetwork人工智能算法中,广义回归神经网络(GRNN)具有很强的非0前言线性逼近能力及高度的容错性和鲁棒性,能够很好地适于小样本问题,并且其
7、结构固定,可以更快地进行训练。因此,建立反映旋转机械重要故障模式的关键特征参数的预GRNN取得了较为广泛的应用I4J。报模型,可预先感知设备异常,以便相关人员采取有效的措本文提出了一套基于GRNN的振动特征预测策略,为了施消除设备存在的潜在故障,避免故障达到较严重状态,从提高预测精度,对GRNN模型进行了以下两方面优化:(1)而造成不必要的经济损失。因此,特征参数预测技术是实现提出了一种计算量小的平滑参数优化选取方法;(2)采用滑状态维修的重要保障⋯。动窗口的方法更新训练样本,以便在每步预测之前获得能反
此文档下载收益归作者所有