發(fā)布時間：2017-08-14 12:14

  本文關(guān)鍵詞：基于混合神經(jīng)網(wǎng)絡(luò)的汽輪發(fā)電機組振動故障診斷研究

  更多相關(guān)文章： 自組織映射 粒子群優(yōu)化 混合神經(jīng)網(wǎng)絡(luò) 故障診斷 汽輪發(fā)電機組

【摘要】：汽輪發(fā)電機組作為電力行業(yè)的重要設(shè)備,其安全、穩(wěn)定、高效地運行對社會生產(chǎn)、人身安全、經(jīng)濟(jì)收益等都具有重要的意義。然而隨著科技的不斷發(fā)展,汽輪發(fā)電機組的結(jié)構(gòu)日益復(fù)雜,參數(shù)高、容量大,一旦發(fā)生故障將會產(chǎn)生更嚴(yán)重的影響。本文綜合考慮汽輪機組的特點,選取SOM自組織映射神經(jīng)網(wǎng)絡(luò)對機組振動進(jìn)行故障診斷,為了提高機組診斷正確率,避免出現(xiàn)漏檢及誤檢現(xiàn)象,針對相應(yīng)神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),研究了混合神經(jīng)網(wǎng)絡(luò)算法在機組故障診斷中的應(yīng)用,構(gòu)建了具體模型,最終開發(fā)了基于Lab VIEW的汽輪發(fā)電機組振動故障診斷系統(tǒng)。首先,在模擬的轉(zhuǎn)子試驗平臺上模擬機組三種常見的振動故障,獲取所需的振動故障數(shù)據(jù)并對其進(jìn)行處理,便于后續(xù)的故障診斷方法研究。其次,利用從轉(zhuǎn)子模擬試驗平臺上獲取的典型故障樣本數(shù)據(jù)來訓(xùn)練SOM自組織映射神經(jīng)網(wǎng)絡(luò),在此基礎(chǔ)上對SOM算法進(jìn)行改進(jìn)以及應(yīng)用PSO粒子群算法進(jìn)行優(yōu)化。之后深入故障診斷環(huán)節(jié)研究,利用學(xué)習(xí)向量量化網(wǎng)絡(luò)構(gòu)建PSO-SOM-LVQ混合神經(jīng)網(wǎng)絡(luò)算法的故障診斷模型。采用之前得到的故障實驗數(shù)據(jù)進(jìn)行驗證,實驗結(jié)果表明該模型進(jìn)一步提高了故障診斷的可靠性和準(zhǔn)確性。最后,在上述相關(guān)算法深入研究的基礎(chǔ)上,應(yīng)用LabVIEW虛擬儀器開發(fā)平臺,開發(fā)了基于混合神經(jīng)網(wǎng)絡(luò)的汽輪發(fā)電機組振動故障診斷平臺,該平臺實現(xiàn)了實時監(jiān)測、故障診斷等模塊功能。
【關(guān)鍵詞】：自組織映射 粒子群優(yōu)化 混合神經(jīng)網(wǎng)絡(luò) 故障診斷 汽輪發(fā)電機組
【學(xué)位授予單位】：上海電力學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM311
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 1 緒論9-18
• 1.1 選題背景及意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢10-15
• 1.2.1 國外研究現(xiàn)狀10-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.2.3 國內(nèi)外發(fā)展趨勢13-14
• 1.2.4 神經(jīng)網(wǎng)絡(luò)在汽輪發(fā)電機組故障診斷中的研究14-15
• 1.3 論文主要工作15-18
• 2 機組振動狀態(tài)監(jiān)測18-24
• 2.1 振動監(jiān)測參數(shù)18-21
• 2.2 頻譜分析21-23
• 2.3 本章小結(jié)23-24
• 3 基于SOM神經(jīng)網(wǎng)絡(luò)的故障診斷研究24-36
• 3.1 自組織特征映射神經(jīng)網(wǎng)絡(luò)簡介24-25
• 3.2 SOM算法研究與實例仿真25-31
• 3.2.1 SOM算法研究25-28
• 3.2.2 實例仿真28-31
• 3.3 改進(jìn)SOM算法研究與實例仿真31-34
• 3.3.1 改進(jìn)SOM算法研究31-33
• 3.3.2 實例仿真33-34
• 3.4 神經(jīng)網(wǎng)絡(luò)診斷結(jié)果及比較34-35
• 3.5 本章小結(jié)35-36
• 4 基于混合神經(jīng)網(wǎng)絡(luò)的故障診斷研究36-51
• 4.1 PSO-SOM算法研究與實例仿真36-41
• 4.1.1 PSO-SOM算法研究36-39
• 4.1.2 實例仿真39-41
• 4.2 PSO-SOM-LVQ算法研究與實例仿真41-49
• 4.2.1 PSO-SOM-LVQ算法研究41-46
• 4.2.2 實例仿真46-49
• 4.3 神經(jīng)網(wǎng)絡(luò)診斷結(jié)果及比較49-50
• 4.4 本章小結(jié)50-51
• 5 基于LABVIEW的機組振動在線監(jiān)測與故障診斷系統(tǒng)實現(xiàn)51-67
• 5.1 LABVIEW概述51-52
• 5.2 系統(tǒng)功能設(shè)計52-54
• 5.3 硬件平臺實現(xiàn)54-57
• 5.4 監(jiān)測功能實現(xiàn)57-61
• 5.5 故障診斷實現(xiàn)61-66
• 5.6 本章小結(jié)66-67
• 6 結(jié)論與展望67-69
• 6.1 結(jié)論67-68
• 6.2 展望68-69
• 參考文獻(xiàn)69-76
• 致謝76-77
• 攻讀碩士學(xué)位期間取得的成果77

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐建鋒,羅湘南;基于LabVIEW與MATLAB混合編程的虛擬儀器設(shè)計及實現(xiàn)[J];湖南文理學(xué)院學(xué)報(自然科學(xué)版);2004年01期

2 張覃軼,謝長生,黃永彬;氣體傳感器陣列常用模式識別算法[J];傳感器技術(shù);2005年05期

3 曾輝;王穎龍;郭浩波;;一種優(yōu)化模糊聚類方法在空情分析中的應(yīng)用[J];電光與控制;2007年03期

4 張裊娜;王永慶;李景帥;;基于SOM神經(jīng)網(wǎng)絡(luò)的永磁同步電機故障診斷[J];吉林大學(xué)學(xué)報(信息科學(xué)版);2012年06期

5 徐良友;;基于LabVIEW的汽輪機振動監(jiān)測系統(tǒng)的研究與開發(fā)[J];工業(yè)控制計算機;2012年11期

6 劉伯穎;吳敬松;鐔鐵春;李世杰;;離散粒子群優(yōu)化算法求解旅行商問題[J];計算機工程與科學(xué);2008年10期

7 劉克非;何祖威;;基于蟻群神經(jīng)網(wǎng)絡(luò)的凝汽設(shè)備故障診斷[J];計算機仿真;2008年05期

8 張強;;基于PPCA的旋轉(zhuǎn)機械故障識別算法[J];計算機仿真;2011年12期

9 吳濤;原思聰;孟欣;張滿意;劉道華;;滾動軸承振動診斷的SOM神經(jīng)網(wǎng)絡(luò)方法[J];機械設(shè)計與制造;2010年01期

10 向家偉;徐晉勇;陳東弟;葉仿?lián)?馬永輝;林瑋;;基于LabVIEW的礦山帶式輸送機故障診斷軟件設(shè)計[J];煤礦機械;2010年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張德利;基于貝葉斯網(wǎng)絡(luò)的故障智能診斷方法研究[D];華北電力大學(xué)（河北）;2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 楚志發(fā);基于神經(jīng)網(wǎng)絡(luò)的TRT故障診斷技術(shù)研究[D];上海交通大學(xué);2012年

，

本文編號：672621