基于能量算子和粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的水輪發(fā)電機組振動故障診斷研究.pdf

1、隨著水電機組單機容量的增大，對機組可靠性的要求越來越高。對機組開展在線監(jiān)測與故障診斷，加強水電機組的監(jiān)測，及時預測設(shè)備可能發(fā)生的故障，分析原因，是實現(xiàn)設(shè)備預知性維修的前提和保證設(shè)備安全運行的關(guān)鍵。
　　本文以水輪發(fā)電機組狀態(tài)監(jiān)測與故障診斷方法為研究對象，深入研究了經(jīng)驗模態(tài)分解(EMD)和能量算子解調(diào)法理論的基礎(chǔ)上，將其引入水輪發(fā)電機組故障診斷系統(tǒng)中。該方法首先對機組振動信號進行經(jīng)驗模態(tài)分解(EMD)，獲得固有模態(tài)函數(shù)(IMF)分量

2、，每一個IMF分量都可以是幅度或頻率調(diào)制的(調(diào)頻調(diào)幅信號)，然后對每一個IMF分量進行能量算子解調(diào)，依次獲得信號的包絡(luò)譜，從包絡(luò)譜中即可看出原始復雜信號的幅值和頻率信息，得到信號中的異常頻率，進而確定機組的故障類型。
　　針對傳統(tǒng)徑向基(RBF)神經(jīng)網(wǎng)絡(luò)在水輪機組振動故障診斷中泛化能力不足的缺點，充分研究了粒子群(PSO)算法，提出了基于PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)。利用其PSO操作簡單，容易實現(xiàn)等特點及其深刻的智能背景對RBF神經(jīng)

3、網(wǎng)絡(luò)的參數(shù)(中心和寬度)、連接權(quán)重進行優(yōu)化。并把訓練好的網(wǎng)絡(luò)用于水輪機組振動故障診斷，診斷實例結(jié)果表明，該方法具有較好的分類效果，較RBF診斷模型精度高、收斂快。又通過BP神經(jīng)網(wǎng)路、RBF神經(jīng)網(wǎng)絡(luò)、PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)三種方法對同一組故障數(shù)據(jù)進行診斷比較，結(jié)果表明，文中采用的方法明顯優(yōu)于其它方法，從而驗證了PSO優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的有效性，證明了該方法有較高的收斂速度、診斷精度和推廣應(yīng)用價值，為水輪機組故障診斷開創(chuàng)了新的思路。<