欢迎来到天天文库
浏览记录
ID:32470598
大小:2.24 MB
页数:85页
时间:2019-02-06
《故障诊断在电厂中的应用与研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、摘要电厂设备多是从结构到功能都很复杂的大型系统,通常故障信号处理中提取到的故障信息有限且不完整。尤其当数据间存在着强相关性的非线性关系时,缺乏有效的方法。故障信号的分类则是更为困难的研究课题,对电厂设备通常难以进行准确故障诊断。本文就上述难点进行探讨,寻找解决方法。提出了基于非线性主元分析(NLPCA)网络和概率神经网络(PNN)的故障诊断方法。首先使用非线性主元分析神经网络进行特征提取,降低数据维数,既简化了诊断过程,又确保了故障诊断精度。随后使用概率神经网络获取最终的故障诊断结果。将提出的方法用于汽轮发电机组的转子轴承系统和凝
2、汽设备及系统的故障诊断中,并与其他故障诊断方法对比,结果表明该方法行之有效并易于工程实现。关键词:电厂设备,故障诊断,概率神经网络(PNN),非线性主元分析(NLPCA)网络,汽轮发电机组AbstractAimingattheproblemthattheequipmentinpowerplantarecomplexanddifficulttoextracttheirmainfaultfeaturesanddiagnosetheirfaults,anapproachoffaultdiagnosisbasedonnonlinearpr
3、incipalcomponentanalysis(NLPCA)neuralnetworksandprobabilisticneuralnetworks(PNN)ispresentedinthispaper.Atfirst,thenonlinearprincipalcomponentanalysisneuralnetworksisemployedtoextractmainfeaturesfromhighdimensionpatternsinordertosimplifythediagnosingprocessandensuredia
4、gnosingaccuracyaswell.Consequently,theprobabilisticneuralnetworksisutilizedtoobtainthefinaldiagnosedresults.Theproposedschemeisappliedtodiagnosethefaultsintherotorbearingsystemandcondensersystemofturbo-generatorunitandcomparedwithotherschemes,thediagnosisresultsshowth
5、atitiseffectiveandeasytobeputintopractice.KEYWORDS:Equipmentinpowerplant,Faultdiagnosis,Probabilisticneuralnetworks(PNN),Nonlinearprincipalcomponentanalysis(NLPCA)neuralnetworks,Steamturbinegenerator-set摘要电厂设备多是从结构到功能都很复杂的大型系统,通常故障信号处理中提取到的故障信息有限且不完整。尤其当数据间存在着强相关性的非线性
6、关系时,缺乏有效的方法。故障信号的分类则是更为困难的研究课题,对电厂设备通常难以进行准确故障诊断。本文就上述难点进行探讨,寻找解决方法。提出了基于非线性主元分析(NLPCA)网络和概率神经网络(PNN)的故障诊断方法。首先使用非线性主元分析神经网络进行特征提取,降低数据维数,既简化了诊断过程,又确保了故障诊断精度。随后使用概率神经网络获取最终的故障诊断结果。将提出的方法用于汽轮发电机组的转子轴承系统和凝汽设备及系统的故障诊断中,并与其他故障诊断方法对比,结果表明该方法行之有效并易于工程实现。关键词:电厂设备,故障诊断,概率神经网络
7、(PNN),非线性主元分析(NLPCA)网络,汽轮发电机组AbstractAimingattheproblemthattheequipmentinpowerplantarecomplexanddifficulttoextracttheirmainfaultfeaturesanddiagnosetheirfaults,anapproachoffaultdiagnosisbasedonnonlinearprincipalcomponentanalysis(NLPCA)neuralnetworksandprobabilisticneur
8、alnetworks(PNN)ispresentedinthispaper.Atfirst,thenonlinearprincipalcomponentanalysisneuralnetworksisemployedtoextractmainfea
此文档下载收益归作者所有