振動是影響水力機組安全穩(wěn)定運行的重要影響因素,為此基于GA-BP算法建立了機組振動預測模型,統(tǒng)籌水力機組運行過程中受機械、水力和電磁等因素的關聯(lián)性影響,結合廣東省某水電站^#1機組狀態(tài)監(jiān)測數(shù)據(jù)進行分析驗證。結果表明,與傳統(tǒng)BP算法相比,在對^#1機組主軸、上機架振動預測中,GA-BP算法訓練迭代步數(shù)分別從26步減少至6步和63步減少至26步,預測平均相對誤差分別從10.18%減小至4.62%和11.42%減小至4.92%,模型的預測性能獲得顯著提高,為保障機組安全運行提供了重要的技術支撐。 

【文章來源】：水電能源科學. 2020,38(10)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

GA-BP算法流程

建立基于GA-BP算法的機組振動預測模型，見圖2。GA-BP算法的水力機組振動預測可分為兩個過程，首先確定監(jiān)測數(shù)據(jù)中與水力機組振動相關的參數(shù)，將這些參數(shù)樣本和振動參數(shù)樣本對GA-BP網(wǎng)絡進行訓練，訓練相關參數(shù)設置見表1，經(jīng)過訓練后的網(wǎng)絡將相關參數(shù)與振動參數(shù)之間的復雜關系均存在網(wǎng)絡的權矩陣中；然后利用訓練好的網(wǎng)絡對預測樣本進行預測。為充分驗證GA-BP預測模型的性能，將實際振動結果分別與GA-BP算法和BP算法預測結果進行對比，并通過相對誤差（MMAP）和平均相對誤差（MMAPE）這2個指標來定量評判。3 實例應用

振動預測對比圖

【參考文獻】：
期刊論文
[1]GA-BP神經(jīng)網(wǎng)絡的GPS可降水量預測[J]. 謝劭峰,趙云,李國弘,周志浩.  測繪科學. 2020(03)
[2]基于GA-BP算法的外彈道落點誤差預測[J]. 吳朝峰,楊臻,曹文輝,郭東海.  兵器裝備工程學報. 2019(12)
[3]基于相空間重構和Volterra的非線性寒區(qū)氣溫預測方法[J]. 何鮮峰,汪自力,何啟,張寶森.  中國科學:技術科學. 2019(06)
[4]基于混合參數(shù)證據(jù)網(wǎng)絡的裝備體系貢獻率評估[J]. 羅承昆,陳云翔,張洋銘,常政,朱強.  兵工學報. 2018(12)
[5]BP神經(jīng)網(wǎng)絡與GA-BP農作物需水量預測模型對比[J]. 江顯群,陳武奮.  排灌機械工程學報. 2018(08)
[6]基于GA-BP神經(jīng)網(wǎng)絡的柴油噴霧貫穿距預測[J]. 陳征,黎青青,肖乃松,吳誠,徐廣輝,郝勇剛,劉長振.  中南大學學報(自然科學版). 2018(01)
[7]基于互信息的主成分分析特征選擇算法[J]. 范雪莉,馮海泓,原猛.  控制與決策. 2013(06)
[8]BP神經(jīng)網(wǎng)絡模型與學習算法[J]. 樊振宇.  軟件導刊. 2011(07)
[9]BP神經(jīng)網(wǎng)絡輸入層數(shù)據(jù)歸一化研究[J]. 柳小桐.  機械工程與自動化. 2010(03)
[10]遺傳算法輪盤選擇機理分析與改進[J]. 黃凱明.  計算機工程與應用. 2009(28)



本文編號：3613527