基于神经网络的设备状态预测方法研究及在风机上的应用

发布时间：2020-07-05 20:57

【摘要】：D350高速风机是平果铝业公司的关键设备，开展此类风机的故障诊断和振动状态预测，对风机运行的可靠性和安全性具有十分重要的意义。预测技术作为故障诊断技术的重要组成部分，可以预测设备未来一段时间内的运行状态和发展趋势，可以看作是更高层次的故障诊断技术。 本文全面综述了故障诊断领域——预测技术的发展情况和发展趋势。提出了基于优化神经网络的迭代预测方法。神经网络隐层节点数的合理与否对于神经网络的性能有着很大的影响，作者基于粗糙集的约简能力，提出了利用粗糙集的决策和约简的概念对神经网络的隐含层结构进行优化的新方法，从而尽可能的求得一个更加合理的网络结构，并且使得预测的结果更准确。 本文还提出了基于神经网络的组合预测方法。根据多项式回归、GM(1，1)模型预测和前馈神经网络预测三种各具特点的预测方法，组合成基于神经网络的组合预测方法；利用神经网络的高度非线性和极强的自学习能力，有效的避免了组合预测中对于各个预测方法的加权系数的确定这一难点；并且运用主成分分析技术对数据进行预处理，进一步提高了组合预测方法的精度，同时将基于优化前馈神经网络的组合预测方法成功地运用到D350高速风机的报警时间预测当中。 结合具体工程项目，运用以上研究成果，以D350高速风机的振动状态预测为背景，与课题其他成员一起开发了D350高速风机在线监测和故障诊断预测系统。该系统目前已经通过验收，给企业带来了良好的经济效益和社会效益。
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TH43
【图文】：

则对应的目标输出向量如下:。=[3.4443.5323.52…3.502};网络训练结果如下图2一4所示:图2一4网络训练情况可以看出，网络训练情况良好，预测值和真实值是很接近的。接下来利用训练成功的网络来预测第46个数据点到第55个数据点(也就是后30天的振动状态)的振动烈度值。预测情况如图2一5示。从图中，我们可以清晰地看出，预测值的变化趋势与后来的实际值的变化趋势比较接近。预测的误差情况见图2一6所示和表2一4所示。

笱绌妒垦绗宦畚牡诙錅律窬酕釻绲难盗匪惴缜敖峁褂呕?图2一5网络预测情况图2一6预测值与实际值的误差(横轴为数据点)表2一41步预测3.9223.886趋势预测结果(风机前轴瓦垂直方向，单位:mIn/s)实际值预测值误差%0.92步预测3.8623.7951.733步预测4步预测3.8323.6853.7343.5872.52.665步预测3.6183.6080.276步预测7步预测8步预测9步预测10步预测平均误差%8753.7363.9124.0324.0053.8753.9043.9814.4123.9353.8214.56.99.421.751.33.19通过振动趋势的长期预测，可以把握D35O风机未来30天内的振动状态，这

笱绌妒垦绗宦畚牡诙錅律窬酕釻绲难盗匪惴缜敖峁褂呕?图2一5网络预测情况图2一6预测值与实际值的误差(横轴为数据点)表2一41步预测3.9223.886趋势预测结果(风机前轴瓦垂直方向，单位:mIn/s)实际值预测值误差%0.92步预测3.8623.7951.733步预测4步预测3.8323.6853.7343.5872.52.665步预测3.6183.6080.276步预测7步预测8步预测9步预测10步预测平均误差%8753.7363.9124.0324.0053.8753.9043.9814.4123.9353.8214.56.99.421.751.33.19通过振动趋势的长期预测，可以把握D35O风机未来30天内的振动状态，这

【相似文献】

相关期刊论文 前10条

1 姜晨,徐宗昌,肖国军;用神经网络组合预测法估算反舰导弹研制费用[J];系统工程与电子技术;2004年03期

2 卞鹏;;基于微粒群算法的交通流量组合预测研究[J];重庆工商大学学报(自然科学版);2011年01期

3 林熙，刘炜;基于神经网络的组合预测新方法[J];集美航海学院学报;1995年01期

4 史德明,李林川,宋建文;基于灰色预测和神经网络的电力系统负荷预测[J];电网技术;2001年12期

5 于鹏;顾冲时;方海挺;;大坝安全监测量的组合预测模型研究[J];黑龙江水专学报;2005年04期

6 李斌,许仕荣,柏光明,李黎武;灰色—神经网络组合模型预测城市用水量[J];中国给水排水;2002年02期

7 吴祈宗,宋颖;一种模糊组合预测方法[J];北京理工大学学报;2004年04期

8 陈孝新;广义加权算术平均组合预测技术进一步研究[J];南昌大学学报(工科版);2001年01期

9 王吉权,赵玉林;组合预测法在电力负荷预测中应用[J];电力自动化设备;2004年08期

10 张海东,毕效辉;一种基于灰色理论组合预测方法的研究与应用[J];科学技术与工程;2003年02期

相关会议论文 前10条

1 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

2 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年

3 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

4 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

5 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

6 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集（上）[C];1995年

7 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年

8 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年

9 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年

10 田艳兵;;BP算法和PSO算法在神经网络中的研究[A];第二十九届中国控制会议论文集[C];2010年

相关重要报纸文章 前10条

1 于翔;数字神经网络中的协同应用[N];网络世界;2009年

2 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

4 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

5 本报首席记者 任荃　实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年

6 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年

7 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年

8 谭薇;“潮湿计算机”：拥有人类智慧的超级大脑[N];第一财经日报;2010年

9 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年

10 ;人老了，大脑仍能形成新的神经网络[N];新华每日电讯;2004年

相关博士学位论文 前10条

1 陆宁;基于群集智能与算法融合的电力负荷组合预测[D];华中科技大学;2010年

2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年

3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年

4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年

5 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年

6 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

7 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年

8 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年

9 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年

10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

相关硕士学位论文 前10条

1 岳琳;城市用水量预测非线性方法的研究[D];天津大学;2005年

2 胡平;降雨径流组合预测理论及其应用研究[D];华中科技大学;2004年

3 金洪鑫;基于组合神经网络的软测量技术研究[D];浙江工业大学;2010年

4 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年

5 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年

6 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年

7 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年

8 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年

9 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年

10 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年

本文编号：2743121