基于模糊SOM神经网络的汽轮机通流部分故障诊断研究.pdf

《基于模糊SOM神经网络的汽轮机通流部分故障诊断研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第58卷第3期2016年6月汽轮机技术TURBINETECHNOLOGYV01．58No．3Jun．2016基于模糊SOM神经网络的汽轮机通流部分故障诊断研究周磊，李勇(东北电力大学能源与动力工程学院，吉林132012)摘要：汽轮机实际运行时通流部分经常出现故障，对其进行监测与诊断很有必要。以某600MW机组为对象，提出一种基于模糊理论与SOM神经网络相结合的故障诊断方法。该方法通过对故障样本进行训练，建立故障诊断模型，根据输出神经元在输出层上的位置对故障进行诊断，分析其所属故障模式。研究结果表明：基于

2、SOM神经网络的汽轮机通流部分故障诊断方法是准确和可靠的。该方法克服了故障样本选取的困难，通过聚类功能，对故障模式分类实现了具体数字化和图形可视化，诊断结果简单和直观。关键词：汽轮机；通流部分；典型故障；模糊理论；SOM神经网络；故障诊断分类号：TK267文献标识码：A文章编号：1001-5884(2016)03-0215-04StudyonFaultDiagnosisofSteamTurbineFlowPassagebasedonFuzzySOMNeuralNetworkZHOUki．UYong(Sc

3、hoolofEnergyandPowerEngineering，NortheastDianliUniversity，Jilin132012，China)Abstract：ItisnecessarytomonitoranddiagnosethefaultsofsteamturbineflowpassagethatfrequentlyOccurduringtheoperatingtime．Thefaultdiagnosismethodfor600MWunitbasedonfuzzytheoryandSOMn

4、euralnetworkWasproposed．Inthemethod．thefaultsamplesaretrainedtoestablishafaultdiagnosismodelwhichdiagnosesthefailuresbasedonthepositionofoutputneuronsintheoutputlayerandthemodeoffaultisanalyzed．Theresultshowsthatfaultdiagnosismethodofsteamturbineflowpass

5、agebasedonSOMneuralnetworkisaccurateandreliable．Thedifficultyoftheselectionoffaultsamplesisovercome．andspocifcdigitizationandgraphicvisualizationforfaultmodeclassificationareachievedbyclusteringfunction，thatmakethediagnosisresultsimpleandintuitive．Keywor

6、ds：steamturbine；flowpassage；typicalfault；fuzzytheory；SOMneuralnetwork；faultdiagnosis0前言作为发电厂的重要设备，汽轮机本身的结构非常精细、复杂，并且通流部分长期在高温、高压的环境下工作，为了保证汽轮机的安全与经济运行，对通流部分发生概率较高的故障进行状态监测与故障诊断很有必要。目前，国内外学者针对汽轮机通流部分故障诊断问题都有较为深入的研究。有学者结合振动诊断法和热力参数诊断法，基于可靠性理论，建立了汽轮机通流部分故障诊

7、断模型，该模型物理意义明确，数学公式简单，提高了诊断正确率，但其分析过程比较复杂⋯。此外，也有学者提出了基于隶属度和规则的层次分类诊断模型，减少了故障判断的搜索数量，诊断效率高，但过程繁琐，结果不直观拉J。近年来，神经网络在故障诊断领域中的应用比较广泛¨。71，为汽轮机通流部分故障诊断问题提出了新的解决途径。然而，传统的前馈神经网络，如BP网络，需要预先给出大量故障学习样本和期望输出值，耗费时间较长，实时性较差。仅田王确定性堂翌。丕能处理矛盾样本，对于未考虑到的收稿日期：2015一II-06样本情况诊断

8、将无法进行。而SOM(Self-OrganizingFeatureMap，自组织特征映射)神经网络无需大量的样本数据，能对数据进行聚集和自动分类，具有快速识别的性能，诊断效果好，用于模式识别和故障诊断有其独特的优势哺J。本文将SOM神经网络应用于汽轮机通流部分故障诊断中，同时为了克服故障诊断的一部分数据具有一定离散性的影响，将输入层的确定性信息进行模糊化处理，变成模糊量，根据神经元在输出层的位置来判断通流部分的故障模式。1SOM神经网络的故