基于混合神经网络的汽轮发电机组振动故障诊断研究

发布时间：2017-08-14 12:14

  本文关键词：基于混合神经网络的汽轮发电机组振动故障诊断研究

  更多相关文章： 自组织映射 粒子群优化 混合神经网络 故障诊断 汽轮发电机组

【摘要】：汽轮发电机组作为电力行业的重要设备,其安全、稳定、高效地运行对社会生产、人身安全、经济收益等都具有重要的意义。然而随着科技的不断发展,汽轮发电机组的结构日益复杂,参数高、容量大,一旦发生故障将会产生更严重的影响。本文综合考虑汽轮机组的特点,选取SOM自组织映射神经网络对机组振动进行故障诊断,为了提高机组诊断正确率,避免出现漏检及误检现象,针对相应神经网络进行改进,研究了混合神经网络算法在机组故障诊断中的应用,构建了具体模型,最终开发了基于Lab VIEW的汽轮发电机组振动故障诊断系统。首先,在模拟的转子试验平台上模拟机组三种常见的振动故障,获取所需的振动故障数据并对其进行处理,便于后续的故障诊断方法研究。其次,利用从转子模拟试验平台上获取的典型故障样本数据来训练SOM自组织映射神经网络,在此基础上对SOM算法进行改进以及应用PSO粒子群算法进行优化。之后深入故障诊断环节研究,利用学习向量量化网络构建PSO-SOM-LVQ混合神经网络算法的故障诊断模型。采用之前得到的故障实验数据进行验证,实验结果表明该模型进一步提高了故障诊断的可靠性和准确性。最后,在上述相关算法深入研究的基础上,应用LabVIEW虚拟仪器开发平台,开发了基于混合神经网络的汽轮发电机组振动故障诊断平台,该平台实现了实时监测、故障诊断等模块功能。
【关键词】：自组织映射 粒子群优化 混合神经网络 故障诊断 汽轮发电机组
【学位授予单位】：上海电力学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM311
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 1 绪论9-18
• 1.1 选题背景及意义9-10
• 1.2 国内外研究现状及发展趋势10-15
• 1.2.1 国外研究现状10-12
• 1.2.2 国内研究现状12-13
• 1.2.3 国内外发展趋势13-14
• 1.2.4 神经网络在汽轮发电机组故障诊断中的研究14-15
• 1.3 论文主要工作15-18
• 2 机组振动状态监测18-24
• 2.1 振动监测参数18-21
• 2.2 频谱分析21-23
• 2.3 本章小结23-24
• 3 基于SOM神经网络的故障诊断研究24-36
• 3.1 自组织特征映射神经网络简介24-25
• 3.2 SOM算法研究与实例仿真25-31
• 3.2.1 SOM算法研究25-28
• 3.2.2 实例仿真28-31
• 3.3 改进SOM算法研究与实例仿真31-34
• 3.3.1 改进SOM算法研究31-33
• 3.3.2 实例仿真33-34
• 3.4 神经网络诊断结果及比较34-35
• 3.5 本章小结35-36
• 4 基于混合神经网络的故障诊断研究36-51
• 4.1 PSO-SOM算法研究与实例仿真36-41
• 4.1.1 PSO-SOM算法研究36-39
• 4.1.2 实例仿真39-41
• 4.2 PSO-SOM-LVQ算法研究与实例仿真41-49
• 4.2.1 PSO-SOM-LVQ算法研究41-46
• 4.2.2 实例仿真46-49
• 4.3 神经网络诊断结果及比较49-50
• 4.4 本章小结50-51
• 5 基于LABVIEW的机组振动在线监测与故障诊断系统实现51-67
• 5.1 LABVIEW概述51-52
• 5.2 系统功能设计52-54
• 5.3 硬件平台实现54-57
• 5.4 监测功能实现57-61
• 5.5 故障诊断实现61-66
• 5.6 本章小结66-67
• 6 结论与展望67-69
• 6.1 结论67-68
• 6.2 展望68-69
• 参考文献69-76
• 致谢76-77
• 攻读硕士学位期间取得的成果77

【参考文献】

中国期刊全文数据库 前10条

1 唐建锋,罗湘南;基于LabVIEW与MATLAB混合编程的虚拟仪器设计及实现[J];湖南文理学院学报(自然科学版);2004年01期

2 张覃轶,谢长生,黄永彬;气体传感器阵列常用模式识别算法[J];传感器技术;2005年05期

3 曾辉;王颖龙;郭浩波;;一种优化模糊聚类方法在空情分析中的应用[J];电光与控制;2007年03期

4 张袅娜;王永庆;李景帅;;基于SOM神经网络的永磁同步电机故障诊断[J];吉林大学学报(信息科学版);2012年06期

5 徐良友;;基于LabVIEW的汽轮机振动监测系统的研究与开发[J];工业控制计算机;2012年11期

6 刘伯颖;吴敬松;镡铁春;李世杰;;离散粒子群优化算法求解旅行商问题[J];计算机工程与科学;2008年10期

7 刘克非;何祖威;;基于蚁群神经网络的凝汽设备故障诊断[J];计算机仿真;2008年05期

8 张强;;基于PPCA的旋转机械故障识别算法[J];计算机仿真;2011年12期

9 吴涛;原思聪;孟欣;张满意;刘道华;;滚动轴承振动诊断的SOM神经网络方法[J];机械设计与制造;2010年01期

10 向家伟;徐晋勇;陈东弟;叶仿拥;马永辉;林玮;;基于LabVIEW的矿山带式输送机故障诊断软件设计[J];煤矿机械;2010年01期

中国博士学位论文全文数据库 前1条

1 张德利;基于贝叶斯网络的故障智能诊断方法研究[D];华北电力大学（河北）;2008年

中国硕士学位论文全文数据库 前1条

1 楚志发;基于神经网络的TRT故障诊断技术研究[D];上海交通大学;2012年

，

本文编号：672621