基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論融合的水電機(jī)組振動(dòng)故障診斷研究.pdf

1、水輪發(fā)電機(jī)組振動(dòng)是一個(gè)非常復(fù)雜的物理過程,隨著用戶對(duì)供電質(zhì)量要求的提高,以及大中型水力發(fā)電廠推行“無人值班”(少人值守)的管理模式,建立機(jī)組振動(dòng)在線監(jiān)測(cè)診斷系統(tǒng),對(duì)機(jī)組振動(dòng)故障進(jìn)行早期診斷,及時(shí)發(fā)現(xiàn)和排除系統(tǒng)故障,對(duì)保障水輪發(fā)電機(jī)組穩(wěn)定運(yùn)行十分重要。神經(jīng)網(wǎng)絡(luò)以其良好的非線性映射能力和D-S證據(jù)理論在表達(dá)不確定性方面具有獨(dú)特的優(yōu)勢(shì),均在故障診斷領(lǐng)域得到了廣泛的應(yīng)用。本文以BP神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論為基礎(chǔ),提出了一種基于D-S證據(jù)理論對(duì)子

2、神經(jīng)網(wǎng)絡(luò)的輸出進(jìn)行融合的方法。該方法將每個(gè)神經(jīng)網(wǎng)絡(luò)看作一個(gè)證據(jù),對(duì)神經(jīng)網(wǎng)絡(luò)的輸出在時(shí)間域、空間域上進(jìn)行融合,從不同側(cè)面對(duì)故障進(jìn)行診斷,充分利用故障信息,從而提高診斷的準(zhǔn)確率。通過對(duì)水輪發(fā)電機(jī)組的常見故障進(jìn)行診斷,診斷結(jié)果表明了該算法的可行性。本文主要進(jìn)行了以下工作:從水電廠實(shí)際出發(fā),闡述了開展水電機(jī)組故障診斷研究的重要意義與目的,簡(jiǎn)要介紹了國內(nèi)外水電機(jī)組故障診斷技術(shù)發(fā)展現(xiàn)狀以及目前應(yīng)用于故障診斷領(lǐng)域的常用方法,系統(tǒng)地分析歸納了水電機(jī)組振

3、動(dòng)的機(jī)理、主要故障及其故障征兆、識(shí)別水電機(jī)組振動(dòng)故障原因的三種方法,以及水電機(jī)組監(jiān)測(cè)的關(guān)鍵技術(shù)和故障特征提取技術(shù)。在討論了BP網(wǎng)絡(luò)基本原理的基礎(chǔ)上,分析了BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn),進(jìn)而對(duì)BP算法進(jìn)行改進(jìn),研究了將遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)權(quán)值優(yōu)化的問題,提出了一種改進(jìn)型GA-BP算法。針對(duì)水電機(jī)組故障多、故障征兆復(fù)雜、單子神經(jīng)網(wǎng)絡(luò)難以很好對(duì)其進(jìn)行診斷的特點(diǎn),利用網(wǎng)絡(luò)分塊技術(shù)對(duì)水電機(jī)組故障進(jìn)行診斷,用振動(dòng)頻譜征兆和振動(dòng)幅值變化征兆兩個(gè)子網(wǎng)絡(luò),從不