小波神经网络方法在汽轮发电机组故障诊断中的应用研究

摘要

机械设备故障诊断对设备的安全生产具有重要的意义。随着计算机技术、信号处理、人工智能、模式识别等技术的发展,故障诊断技术不断提高。本文以汽轮发电机组振动故障为主要研究对象,采用小波神经网络方法对故障进行诊断。
　　 小波分析具有优良的时频局部化特性,克服了传统傅里叶方法在处理非线性信号时的不足,因而非常适用于处理振动故障信号。本文在小波变换理论的基础上,提出用小波包能量分析方法提取振动信号中的故障特征。通过实验仿真分析,证实了该方法能够有效提取振动信号中的故障特征。
　　 本文介绍了BP神经网络的工作原理,针对BP算法存在容易陷入局部极小值、收敛速度慢等局限性,提出对传统BP神经网络进行改进。主要从神经网络模型和结构两个方面进行改进:将BP神经网络的输入层和输出层之间的相关节点进行连接,并引入遗传算法来优化BP神经网络中隐含层节点个数以及初始权值和阈值。通过转子振动模拟实验台的仿真,证明改进的BP神经网络的诊断性能要明显优于标准BP神经网络,不仅加快了网络收敛速度,而且提高了网络的泛化能力。
　　 最后通过工程实例证明,本文提出的小波神经网络方法在汽轮发电机组故障诊断中取得了很好的效果。

目录

声明

摘要

第一章 绪论

1．1 选题背景

1．2 国内外故障诊断技术发展现状

1．2．1 国外发展状况

1．2．2 国内发展状况

1．3 本文研究的主要内容及工作安排

1．4 本文解决的关键问题

第二章 汽轮发电机组振动故障分类及特征

2．1 故障分类

2．2 常见故障机理及特征

2．2．1 质量不平衡

2．2．2 不对中

2．2．3 动静碰磨

2．2．4 油膜失稳

2．3 本章小结

第三章 小波及小波包分析理论

3．1 引言

3．2 小波变换方法

3．2．1 连续小波变换

3．2．2 离散小波变换

3．3 多分辨率分析

3．4 小波包分析

3．4．1 小波包的定义

3．4．2 小波包的分解与重构

3．4．3 小波包基的选择

3．4．4 小波包分解层数的确定

3．5 小波包分析在故障特征提取上的应用

3．5．1 小波包能量分析方法

3．5．2 小波包能量法提取故障特征的实例分析

3．6 小波包分析在奇异点检测中的应用

3．7 本章小结

第四章 BP神经网络的故障诊断方法研究

4．1 人工神经网络基本理论

4．1．1 神经网络概述

4．1．2 神经网络的基本性质

4．1．3 神经网络模型

4．2 BP神经网络

4．2．1 BP神经网络模型

4．2．2 BP神经网络算法

4．3 BP神经网络的设计

4．4 BP神经网络的不足

4．5 BP神经网络的改进

4．5．1 BP神经网络模型的改进

4．5．2 遗传算法优化BP神经网络

4．6 本章小结

第五章 改进的小波神经网络方法在故障诊断中的应用

5．1 改进的小波神经网络方法的软件实现

5．2 汽轮发电机组故障诊断的实验研究

5．2．1 实验装置介绍

5．2．2 实验研究与分析

5．3 工程实例分析

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

附录

作者攻读硕士学位期间发表的论文

致谢