99精品久久久中文字幕,久久精品国产亚洲av麻豆甜,亚洲AV成人无码一区二区三区在线观看,男女久久久国产一区二区三区

　　隨著我國經(jīng)濟建設和核能利用技術(shù)的快速發(fā)展，十分需要研制性能更可靠、單機容量更大的核電汽輪發(fā)電機是迎合這種發(fā)展的主要研究方向。

　　另一方面，近年來，國內(nèi)外大型汽輪發(fā)電機在運行時，常有事故發(fā)生，發(fā)生這些事故的主要原因之一是對這些發(fā)電設備的動力特性分析和狀態(tài)監(jiān)測缺乏合理和有效的方法，譬如，常規(guī)的分析和監(jiān)測方法大多建立在平穩(wěn)隨機振動信號分析的基礎上，這顯然是不夠的，因為大型汽輪發(fā)電機組在運行時，其轉(zhuǎn)速是波動的，尤其是所發(fā)生的事故中，不少是在機組的升速與降速階段，因此，必須要采用非平穩(wěn)隨機振動信號分析的方法來研究核電百萬千瓦級汽輪發(fā)電機的動力特性，為我國研制這類汽輪發(fā)電機奠定基礎。

　　對于非平穩(wěn)隨機振動信號，到目前為止，尚未有統(tǒng)一、完善的分析方法，比較常用的有時變AR模型、Wigner-Ville分布、基于分段準則的分段平衡處理和人工神經(jīng)網(wǎng)絡等等。本文作者利用KL分解將非平穩(wěn)隨機振動信號進行正交分解，這樣，使非平穩(wěn)隨機信號在原低維空間中非線性不可分的時變信號在高維正交空間中得到有效的分解，再以此分解后的高維正交空間的信號作為單層前向神經(jīng)網(wǎng)絡的輸入模式，最后通過在單層前向網(wǎng)絡中采用遞歸聯(lián)想進行一次遞交聯(lián)想學習，因而克服了常規(guī)的單層前向網(wǎng)絡僅是線性可分及學習過程中需重復提交一系列要記憶的輸入模式來調(diào)整權(quán)值之不足。亦加快了分類速度。

　　在獨特的、自行設計的核電百萬千瓦級汽輪發(fā)電機組軸系模擬試驗臺上，本文采集了多種狀態(tài)下的非平穩(wěn)隨機振動信號并應用上述方法將這些信號輸入由C語言編寫的“改進的單層前向神經(jīng)網(wǎng)絡”計算機程序中進行分類，結(jié)果表明，本文提出的方法是十分有效的。

　　1改進的單層前向神經(jīng)網(wǎng)絡基于上述，這里，先對非平穩(wěn)隨機振動信號進行K―L分解。

　　L分解的基本思想是對一個非平穩(wěn)隨機振動信號x（（），經(jīng)采樣得離散的樣本向量，其分量為x（k），k=1一K且記它的相關(guān)函數(shù)為Rx（h，k2），其中k，k2在1-K中取值。將x（k）進行正交分解得：m一1并使后，由輸出層輸出。為一閾值，在以下計算中取為零。

　　針對一個平穩(wěn)隨機振動系統(tǒng)，我們采集其非平穩(wěn)隨機振動信號，并由K一L分解特征值，將特征值作變換到m空間，即可建立起改進的單層前向神經(jīng)網(wǎng)絡的輸入、輸出模式對可用一個聯(lián)想矩陣Y將輸入廣聯(lián)想到輸出弘亦即：則式（6）等價于分解。分解的方法有多種，本文采用QR滿秩分解法：上R為上三角矩陣Q為正交矩陣。采用GranrSchmidt正交化方法可推出R、Q的計算式，它們分別為：是0的第is列向量（=1（1）m）它們就是A列空間的最大規(guī)格正交組，A+1表示A的第/+1列向量。

　　2實例是為研究核電百萬千瓦級汽輪發(fā)電機動力特性而研制的多功能軸系模擬試驗臺（己申請了國家專利并獲受理），該試驗臺有如下特點：可進行碰摩、不對中，揚度曲線變化和支承松動等多種故障試驗；支承形式可簡支、半簡支和固定等多種形式；水平支承剛度和垂直支承剛度可在一定范圍內(nèi)無級調(diào)整與組合；YA向神經(jīng)網(wǎng)絡通過輸入模式來獲得網(wǎng)絡的輸出。而要建在試驗系統(tǒng)中，拾振米用丹麥產(chǎn)bk4366型加速立聯(lián)想矩陣只需作如下運算度傳感器C固定在發(fā)電機勵端支座上X信號放大采用=XA+ '（8）BK2635型電荷放大器，數(shù)據(jù)采集與分析采用CRAS軟式（、中A的逆要田廣義逆來表示因為甘一般件和作者用C語言編寫的“改進的單層前向神經(jīng)網(wǎng)表1改進的單層前向神經(jīng)網(wǎng)絡之分類結(jié)果工況輸入樣本期望輸出實際輸出正常XC1）表2分類時迭代次數(shù)的比較運行工況迭代次數(shù)常規(guī)的單層前向神經(jīng)網(wǎng)絡改進的單層前向神經(jīng)網(wǎng)絡正常51202959碰摩61763778不對中68503921揚度曲線變化63223802松動70404095絡”故障診斷軟件。

　　試驗系統(tǒng)中，轉(zhuǎn)子系統(tǒng)為三軸六轉(zhuǎn)盤六支承系統(tǒng)，其模擬核電百萬千瓦級汽輪發(fā)電機組中的勵磁機、發(fā)電機和汽輪機（低壓級）三根轉(zhuǎn)子之系統(tǒng)。在系統(tǒng)升速時，模擬正常、碰摩、不對中、揚度曲線變化和支承（螺栓）松動等5種工況在同樣的時間歷程（試驗中取10s）及相同的初、末轉(zhuǎn)速下（試驗中由500rpm至3000rpm）重復測得轉(zhuǎn)子系統(tǒng)在各種工況下時的非平穩(wěn)隨機振動信號，經(jīng)離散后對各種工況都取6個樣本每個樣本向量中都取80個分量，然后由所示的改進的單層前向神經(jīng)網(wǎng)絡進行學習、分類。所有的結(jié)果如表1所示，這里，正常工況樣本的期望輸出為1，故障工況樣本的期望輸出為零。由表1可見，在正常工況下神經(jīng)網(wǎng)絡實際輸出接近1，而各種故障工況的輸出接近于零，所以本文提出的“改進的單層前向神經(jīng)網(wǎng)絡”對非平穩(wěn)運行狀態(tài)有十分有效的分類功能。

　　表2中，將常規(guī)的單層前向神經(jīng)網(wǎng)絡和本文的改進單層前向神經(jīng)網(wǎng)絡分類時的次數(shù)進行比較，后者比前者在分類時的迭代次數(shù)顯著減少。

　　3結(jié)論本文根據(jù)核電百萬千瓦級汽輪發(fā)電機轉(zhuǎn)子系統(tǒng)而設計了多功能軸系模擬試驗臺，在該試驗臺上模擬碰摩、不對中、揚度曲線變化和松動等多種故障工況，并由在故障工況下采集了非平穩(wěn)隨機振動信號作為輸入?yún)��?shù)輸入本文的“改進的單層前向神經(jīng)網(wǎng)絡”進行識別，這樣既保留了單層前向網(wǎng)絡不會陷入局部最小點的優(yōu)點，又有效地提高了常規(guī)的單層前向網(wǎng)絡的學習效率，大大減少了分類時的迭代次數(shù)。轉(zhuǎn)子系統(tǒng)的試驗和分析、計算結(jié)果表明本文“改進的單層前向神經(jīng)網(wǎng)絡”之實用性是令人滿意的。