基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf

基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf

ID:52972487

大小:893.40 KB

页数:5页

时间:2020-04-05

基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf_第1页
基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf_第2页
基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf_第3页
基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf_第4页
基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.pdf_第5页
资源描述:

《基于小波包和GA-LM-BP神经网络的汽轮机故障诊断.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、基于小波包和GA—LM—BP神经网络的汽轮机故障诊断TurhinefaultdiagnosisbasedonwaveletpacketandGA-LM-BPneuralnetwork焦圣喜,迟警,李婉珍JlA0Sheng.xi,CHIJing,LIWan—zhen(东北电力大学自动化工程学院,吉林132012)摘要:对火电厂汽轮机转子常见的各类振动故障进行识别与诊断,可以及时发现故障并进行维修与预防。在传统故障诊断的基础上,采用基于Shannon熵的最优小波包基降噪算法对原始故障信号进行去噪,利用“小波包一能量法”提取信号不同频段能量构造不同故障征兆表,并对故

2、障特征量采用GA改进的LM—BP优化算法进行训l练与识别。结果表明最优小波包基降噪效果优于硬阈值去噪,改进后的GA-LM-BP神经网络在汽轮机转子振动故障诊断精度和速度上均具有明显的改善。关键词:识别与诊断;最优小波包基;小波包一能量法;GA—LM—BP神经网络中田分类号tTK268.+1文献标识码:A文章编号:1009—0134(2015)08(上)一0109—05Doil10.3969/J.Issn.1009-0134.2015.o8(上).32O引言记x={X。l为空间v的一个向量,其一个正交基设为B,x在B下的系数为B。在X∈V中,如果M(B)最小,旋

3、转机械是电力、石化、冶金、等行业广泛使用的那么B是最优基【3】。采用信号分析中白噪声的Blocks信号关键设备】。汽轮机转子是火电厂中的重要旋转设备,作为原始信号,利用小波包变换,分别对Donoh硬阈值消如果600MW的汽轮机转子发生振动故障使转子停转48噪算法与本文提出的降噪方法进行对比。信号的最优小小时,其经济损失将达到上千万元。采取合理的措波包基如图1所示。施,对汽轮机转子故障进行预防就显得格外重要。汽轮机转子振动信号能体现出大量转子运行的状态信息,对转子振动信号进行研究能够了解产生故障的机理,并可提取出故障特征,从而达到对机组振动故障诊断的目的。1振动

4、信号的预处理本文采用南京中大趋势测控设备有限公司生产的CUT.2转子振动试验台对相关故障信号进行模拟,应用快速傅立叶变换(FFT)对模拟信号进行频谱分析。传统的硬阈值小波消噪方法对小波系数的压缩是不连续的,Shannon熵的最优小波包基降噪法可以充分克服硬阈值小波降噪中不连续性的缺点。图1含噪blocks信号的最优小波包基信号x(c)的小波包分解是把x(t)映射到小波包基上,得到一组系数d。,并用这一组系数表示信号x(t)的特去噪结果如图2所示,从上至下依次为初始信号、征。运用最优小波包基对初始信号进行分解,分解结果传统硬阈值降噪信号、最优小波包基降噪信号。由

5、图中可使初始信号的信息损失达到最小。定义信号的代价函的平滑度参数值可见,最优小波包基分解结合特定频段数如下:阈值选取算法比传统Donoho硬阈值降噪算法具有显著优势。M(x)=一plgp(1)ijj采用上述降噪方法对实验得到的一组模拟汽轮机振动信号进行降噪预处理,如图3所示,依次为转子不平lI其中p=告I,且P=0时,Plgp=0。衡、不对中、油膜振荡、蒸汽涡动、轴承座松动、转子径向磨碰和正常态七种信号去噪后波形图。敢■日囊:2015-03-30作者葺介:焦圣喜(1969一),男,副教授,博士,研究方向为机器人技术和智能检测技术。第37卷第8期2015-08(

6、上)[1091重§譬譬嚣黢中凳篙莩蓑;昙釜辈篙力来优化IM.BP神经网络的初始权僵嘲但’从毵阀Co)LM-BP算法.oBP神经网络连接通道的连培婀弩篆四嚣鼍重l的连接阈值、嚣以及输出层神曩经兀间的恁残嘲但。米茗;的编码与连接权值映射关系通常为::,,..B,丑:B⋯,

7、i=1,2,3⋯M}(6)遗连续、非负数并且最大化。因此议计具遥厦幽裂从图7中可以看出,同样的收敛精度的情况GA⋯.输叠出萋夏总数,M为遗传种群的规模大小,Pc为父义孕’璧蓑蔷塞妻法要低一个数量级,更加验证了嚣基于GA吸垅LM’D搴器萎唐善蓑啪募毳GA改进的LM网络模型的误差修止嚣铄苗藿1’w—

8、—?_-=———●————诊断结果L-BP2不平衡o.0042o.00210.97竺4不对中0.00230.9979‘0.0028正5油膜振荡0.00660.99240‘996油膜振荡o.oo430.993l0·9929重量7蒸汽涡动1.0052-o.olo9_0.008蒸汽涡动o.99910.00460·o0ol9轴承座松动1.0157—0.00671.0027正确1o轴承座松动1.0059o.o1o2·oo3:-.-g:z=~=n转子磨碰o.9925o.9981o·0o4312.00080.9993.002⋯99凹13ta)单纯弹性改进的BP法14正善常态

9、。0.9!!篓!:!:::!!——墨[

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。