基于BP神经网络的水电机组振动趋势预测研究

发布时间：2024-04-18 04:28

　　振动值是反映水电机组运行工况的重要参数,其变化与水电机组故障发展有着紧密的关联,通过研究故障发展过程中振动值的趋势和规律,设计了BP(Back-Propagation Algorithm)神经网络预测模型,仿真结果表明该模型具有较好的预测效果,从而可提前对水电机组振动趋势进行预测,对机组的状态进行预判,并制定相应的对策。

【文章页数】：4 页

【部分图文】：

图1BP神经网络结构图

BP神经网络是Rumelhart和McClelland于1986年提出的一种基于误差反向传播的多层前馈神经网络,该网络通过输出与期望的误差不断修正网络参数,具有良好的自适应能力,广泛应用于模式识别与趋势预测等场景中。BP神经网络一般具有3层或3层以上的网络结构,包括输入层、隐含层....

图2水头与水导+X向振动关系曲线图

提取不同水头和负荷下的振动值400组数据,其中前475组数据作为训练数据,后25组数据作为测试数据,误差目标设置为4e-5,最大迭代步数为100次,学习率为0.1,用MATLAB进行训练仿真,共迭代17次达到训练目标,BP神经网络输出预测值及误差如表1和图4所示。图3机组有功负....

图3机组有功负荷与水导+X向振动关系曲线图

图2水头与水导+X向振动关系曲线图表1BP神经网络预测值和误差表序号预测值实际值相对误差/%序号预测值实际值相对误差/%1191.971993.5314258.732662.732189.341994.8515162.68176....

图4预测值和预测误差曲线图

表1BP神经网络预测值和误差表序号预测值实际值相对误差/%序号预测值实际值相对误差/%1191.971993.5314258.732662.732189.341994.8515162.681767.563186.01182....

本文编号：3957420