基于BP神经网络的汽轮机故障诊断系统研究

发布时间：2017-04-30 15:13

  本文关键词：基于BP神经网络的汽轮机故障诊断系统研究，由笔耕文化传播整理发布。

【摘要】：汽轮机是结构复杂的大型旋转机械设备，汽轮机的运行环境通常比较复杂，，在运行状态下经常出现不可预知的故障。出现故障时，应可以及时确定故障类型，避免产生进一步的危害。本课题的研究目的是开发一个汽轮机实时振动监测，具有数据采集和实时显示模块、数据库模块、数据分析模块、历史数据模块、故障诊断模块的系统。 小波分析技术可以对信号在时域和频域同时分析，和传统的信号分析技术相比，具有明显的优点。在研究小波分析技术的基础上，发现故障信号特征和故障类型之间有确定的映射关系。为了使故障特征和故障类型建立数学关系，故障特征必须解析化处理。利用小波包对信号分解构建特征向量可以故障特征的解析化。 BP神经网络具有很强的非线性映射能力，可以实现特征向量和故障类型的数学映射。小波包提取的特征向量作为网络输入，故障类型作为网络的输出。对神经网络的输入层、中间层、输出层、目标精度等了进行了设计，对传统BP算法的基础上进行了改进，通过比较几种改进BP算法完成学习训练需要的迭代步长和迭代时间，确定最优算法。最优神经网络进行学习训练，得到一个满足精度要求的神经网络，实现了特征向量和故障类型的非线性映射。 根据要求设计软件和硬件。硬件系统以NI PXI工控机、传感器、动态数据采集板卡为核心。软件系统采用LabVIEW和MATLAB联合编程。数据采集和实时显示模块、数据库模块、数据分析模块、历史数据模块、系统报警模块利用LabVIEW编程实现，故障诊断模块功能通过LabVIEW中的MATLAB Script节点将将BP神经网络嵌入到系统框架实现。在汽轮机运行现场对硬件系统和软件系统进行一段时间的实验测试，实验测试表明，汽轮机实时监测时系统运行稳定，可以实现在线监测功能，可以对异常数据进行故障诊断，能满足汽轮机的运行要求。
【关键词】：汽轮机 故障诊断 LabVIEW 小波分析 BP神经网络
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TK268;TP183
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-18
• 1.1 课题的提出及意义11-12
• 1.2 国内外汽轮机故障诊断研究现状12-14
• 1.2.1 国外汽轮机故障诊断研究现状13
• 1.2.2 国内汽轮机故障诊断研究现状13-14
• 1.2.3 汽轮机故障诊断技术的发展趋势14
• 1.3 振动信号采集和处理技术的发展和研究现状14-15
• 1.4 基于神经网络的故障诊断技术15-16
• 1.5 论文的主要内容16-18
• 第二章 汽轮机常见典型故障和分析方法18-28
• 2.1 引言18
• 2.2 汽轮机常见故障18-25
• 2.2.1 转子质量不平衡18-19
• 2.2.2 转子不对中19-21
• 2.2.3 动静碰磨21-23
• 2.2.4 油膜涡动与油膜振荡23-25
• 2.3 故障的基本分析方法25-27
• 2.3.1 时域分析25-26
• 2.3.2 频域分析26
• 2.3.3 时频分析26-27
• 2.4 本章小结27-28
• 第三章 基于小波分析的故障特征值的提取28-38
• 3.1 引言28
• 3.2 连续小波28-29
• 3.3 离散小波29
• 3.4 多分辨率分析和正交小波29-30
• 3.5 小波包分解30-32
• 3.6 基于小波分析的信号处理32-34
• 3.6.1 小波去噪32-33
• 3.6.2 小波包频带分析技术33-34
• 3.7 小波包分解在故障特征值提取中的应用34-37
• 3.8 本章小结37-38
• 第四章 神经网络在汽轮机故障诊断中的应用38-54
• 4.1 引言38
• 4.2 神经网络概述38-40
• 4.2.1 生物神经网络38-39
• 4.2.2 人工神经网络39-40
• 4.3 BP 神经网络40-43
• 4.3.1 BP 神经网络模型40-41
• 4.3.2 BP 学习算法41-43
• 4.4 BP 神经网络的设计43-44
• 4.4.1 输入层和输出层的设计43
• 4.4.2 中间层的设计43-44
• 4.4.3 初始值的选择44
• 4.5 标准 BP 神经网络的局限性和改进44-46
• 4.6 BP 神经网络改进算法的学习和训练46-53
• 4.7 本章小结53-54
• 第五章 汽轮机故障诊断系统设计和测试54-71
• 5.1 引言54
• 5.2 系统的总体结构54-55
• 5.3 硬件系统设计55-60
• 5.3.1 传感器系统56-57
• 5.3.2 嵌入式工控机系统57-59
• 5.3.3 动态数据采集卡系统59-60
• 5.4 软件系统设计60-66
• 5.4.1 软件功能介绍61
• 5.4.2 用户权限登录模块61-62
• 5.4.3 数据采集模块62-63
• 5.4.4 数据库模块63-64
• 5.4.5 数据分析模块64-65
• 5.4.6 故障诊断模块65-66
• 5.5 系统测试66-70
• 5.6 本章小结70-71
• 总结与展望71-73
• 参考文献73-77
• 攻读硕士学位期间取得的研究成果77-78
• 致谢78-79
• 附件79

【参考文献】

中国期刊全文数据库 前10条

1 李录平,韩西京,韩守木,杨叔子,史铁林,黄树红;从振动频谱中提取旋转机械故障特征的方法[J];汽轮机技术;1998年01期

2 牟法海;卢盛阳;王文营;;汽轮机动静碰磨故障的原因分析及处理[J];热力发电;2007年03期

3 杨雁梅;陈梅倩;刘杰;;基于L-M算法的火电厂实时数据神经网络预测模型研究[J];热力发电;2008年01期

4 曲佳;兴成宏;;滑动轴承油膜涡动与油膜振荡的故障诊断[J];中国设备工程;2010年03期

5 杨梅,张振文,孙宏强,张永弟;小波分析与傅里叶分析的比较及其在故障诊断中的应用[J];中国测试技术;2005年02期

6 沈花玉;王兆霞;高成耀;秦娟;姚福彬;徐巍;;BP神经网络隐含层单元数的确定[J];天津理工大学学报;2008年05期

7 朱瑜;张朋波;王雪;;转子系统油膜涡动及油膜振荡故障特征分析[J];汽轮机技术;2012年04期

8 郭伟;贺佳;;时域波形分析在故障诊断中的重要性[J];设备管理与维修;2010年01期

9 楼建忠;杜红文;;大型旋转机械质量不平衡故障的研究[J];现代制造工程;2008年10期

10 李录平,邹新元,陈荐,唐月清;汽轮发电机组碰磨故障的典型特征研究[J];振动、测试与诊断;2001年04期

  本文关键词：基于BP神经网络的汽轮机故障诊断系统研究，由笔耕文化传播整理发布。

本文编号：337097