基于人工神经网络的火电机组振动故障诊断应用研究

摘要

火电机组振动故障诊断是一项复杂的系统工程，涉及的相关学科领域比较多，与现场工程实践联系十分密切。我国的火电机组正朝着高参数、大容量的方向发展，给故障诊断工作带来了更大挑战。所以选择一种有效的诊断方法显得非常重要。 人工神经网络与专家系统是当前最常用的两种诊断方法，前者以其独特的优点引起了广大研究者的兴趣。本文采用最成熟的前向反馈神经网络 (BP 网络)作为整个故障诊断系统的基础，并对其进行了改进。整个诊断过程分为两部分：第一部分为初步的分类诊断网络，由多输入多输出BP网络构成。第二部分为具体的故障诊断网络，由4个征兆域子网络联合构成，每个征兆域子网络的结构为多输入单输出。这样既简化了网络结构，义提高了网络运算的速度。 本文对火电机组旋转机械特别是汽轮发电机组常见振动故障特征进行了分析和归纳，将其分为频谱特征域、相关性特征域、升速特征域、降速特征域四部分，基本上涵盖了常见故障的特征域。故障特征量经过预处理后作为诊断网络模型的输入，并开发了相应的振动故障诊断系统软件。 本文通过故障模拟实验研究了征兆域的个数对诊断结果的影响，验证了多征兆域诊断的有效性。将所开发的神经网络故障诊断软件系统应用于火电机组旋转机械，取得了良好的效果。

目录

文摘

英文文摘

声明

绪论

0.1选题背景与意义

0.1.1故障与诊断

0.1.2建立故障诊断系统的意义

0.2国内外的发展情况

0.3本文的研究背景及主要研究内容

第一章火电机组旋转机械振动故障诊断的一般方法

1.1振动故障诊断技术的发展

1.1.1振动原因寻找

1.1.2振动原因分析

1.1.3振动故障诊断

1.2利用征兆进行故障诊断的主要困难及其对策

1.2.1利用征兆进行故障诊断要注意的问题

1.2.2诊断策略

1.2.3利用征兆的故障诊断方法

1.3火电机组振动故障诊断示例

1.3.1故障历史

1.3.2现场振动测试与初步分析

1.3.3故障特性分析

1.3.4处理方案

1.3.5本次振动故障诊断的小结

第二章火电机组旋转机械振动故障的智能诊断

2.1故障诊断系统的智能化趋势

2.2人工神经网络模型

2.3前向多层神经网络、BP算法及计算机实现

2.3.1前向多层神经网络的BP算法

2.3.2 BP算法的计算机实现

2.4基于BP网络的振动故障诊断方法

2.4.1火电机组振动故障特征

2.4.2基于BP网络的振动故障诊断的理论前提

2.4.3基于BP网络的振动故障诊断方法

2.5BP网络故障诊断系统的改进与优化

2.5.1复杂诊断对象的BP神经网络结构优化

2.5.2 BP神经网络算法优化

2.5.3自然语言形式特征量的模糊处理

2.5.4引进多征兆域神经网络

第三章火电机组旋转机械振动故障诊断软件的开发

3.1故障诊断系统的软件开发工具

3.2故障诊断系统的基本功能

3.2.1学习模块

3.2.2诊断模块

3.2.3网络设置模块

3.2.4动平衡计算器

第四章故障诊断的实验研究和现场实例分析

4.1实验分析

4.1.1实验装置及技术参数

4.1.2振动模拟实验

4.2现场实例验证

4.2.1火电机组振动故障验证

4.2.2风机振动故障验证

4.2.3给水泵振动故障验证

4.2.4验证结果的总结

结论

参考文献

致谢