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

　　一種改進型BP網(wǎng)絡(luò)在汽輪發(fā)電機組故障診斷中的應(yīng)用華北電力大學(xué)何成兵顧煜炯楊昆法和反饋算法，并闡述輸入層與輸出層神經(jīng)元部分連接的依據(jù)及其連接優(yōu)先權(quán)值的確定問題。結(jié)合汽輪發(fā)電機組故障診斷實例，從單故障識別和多故障識別兩個角度證明了該模型具有較強的故障識別能力，其診斷結(jié)果也更符合故障實際情況。

　　入征兆對輸出結(jié)果的影響，見圖。部分連接在輸出節(jié)點與相應(yīng)故障的特征輸入節(jié)點間建立，如代表不平衡故障的輸出節(jié)點與代表振動一倍頻的輸入節(jié)點相連。

　　對于汽輪發(fā)電機組故障診斷，征兆與故障間不是簡單的一一對應(yīng)關(guān)系，而是呈現(xiàn)出交錯復(fù)雜的情況。一種故障可能對應(yīng)多種征兆，一種征兆也可能對應(yīng)多種故障。在一個多征兆故障里，有的征兆起主要作用，是主要征兆；有的征兆起次要作用，是輔助征兆。這些征兆對故障診斷結(jié)果的貢獻(xiàn)大小也不相同。因此，在直接連接的輸入與輸出神經(jīng)元間，增加不同的優(yōu)先權(quán)值，主要征兆的優(yōu)先權(quán)值高，輔助征兆的優(yōu)先權(quán)值低。

　　大型汽輪發(fā)電機組是一個復(fù)雜系統(tǒng)，它融機、電技術(shù)為一體，對可靠性要求很高，系統(tǒng)一旦出現(xiàn)故障，將導(dǎo)致巨大的經(jīng)濟損失乃至嚴(yán)重的社會后果。因此，對此類大型機電系統(tǒng)必須進行在線的或離線的故障診斷，并且診斷必須快速、準(zhǔn)確和高效。

　　在長期的實踐中，人們提出不少有效的故障診斷方法，如模糊診斷、模式識別、統(tǒng)計貝葉斯方法、灰色理論等，但近年來，神經(jīng)網(wǎng)絡(luò)理論在機械故障診斷領(lǐng)域得到了廣泛的應(yīng)用。我們知道，故障診斷就是對機器或系統(tǒng)的故障模式進行分類或識別，而神經(jīng)網(wǎng)絡(luò)具有復(fù)雜的非線性映射、聯(lián)想記憶和自學(xué)習(xí)能力，是一種性能優(yōu)良的模式識別器，因而非常適用于機械故障診斷。神經(jīng)網(wǎng)絡(luò)有多種模型，如前饋神經(jīng)網(wǎng)絡(luò)、自組織特征映射、雙向聯(lián)想記憶等。其中，用誤差反向傳播算法訓(xùn)練的前饋BP神經(jīng)網(wǎng)絡(luò)，有能力形成任意復(fù)雜的決策面，是神經(jīng)網(wǎng)絡(luò)中應(yīng)用最多的一種模型。本文就是在BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，提出一種加優(yōu)先權(quán)值的改進BP網(wǎng)絡(luò)模型，并對它進行了具體闡述。

　　1改進BP網(wǎng)絡(luò)模型1.1改進BP網(wǎng)絡(luò)模型結(jié)構(gòu)1.2改進BP網(wǎng)絡(luò)模型的前饋、學(xué)習(xí)算法該網(wǎng)絡(luò)中主要調(diào)整的設(shè)計參數(shù)是輸入層與隱含層間的連接權(quán)值《（“、隱含層與輸出層間的連接權(quán)值故（2）、隱含層與輸出層各節(jié)點閾值吸）、0丨2）和輸入層與輸出層間的部分連接權(quán)值％。

　　標(biāo)準(zhǔn)BP網(wǎng)絡(luò)對不同程度的單故障情況具有聯(lián)想能力，但分辨率低，對多故障診斷能力差，往往只能診斷出其中一種故障。針對這種情況，可以在BP網(wǎng)絡(luò)基礎(chǔ)上增加輸入與輸出神經(jīng)元的部分連接，以增加輸何成兵（1974-），男，博士生。動力系，102206單故障診斷實例用相同的故障樣本對中BP網(wǎng)絡(luò)和本文中加優(yōu)先權(quán)值的改進BP網(wǎng)絡(luò)進行測試，測試樣本和結(jié)果見表2.由該表可以看出：（1）兩種BP網(wǎng)絡(luò)對單故障都具有較強的聯(lián)想能力和較高的分辨率；（2）兩種BP網(wǎng)絡(luò)對單故障診斷性能近似。

　　單故障診斷實例該模型網(wǎng)絡(luò)層間仍采用前饋計算公式：本輸入層與輸出層間的連接優(yōu)先權(quán)值。

　　1.3改進BP網(wǎng)絡(luò)模型優(yōu)先權(quán)值的確定由式（2）可知，連接優(yōu)先權(quán)值*ji的確定是很重要的，它實際上包括了兩個問題：第一，確定哪些輸入與輸出神經(jīng)元間需要連接，哪些不需要連接（毫無疑問，不需要連接的，ji=0）；第二，對于建立連接的輸入與輸出神經(jīng)元，其優(yōu)先權(quán)值如何確定。對于本文中的改進BP網(wǎng)絡(luò)模型，輸出節(jié)點與相應(yīng)故障的特征輸入節(jié)點建立連接，其優(yōu)先權(quán)值既可根據(jù)專家經(jīng)驗確定，也可從故障樣本中利用統(tǒng)計分析得到，在故障樣本不是足夠大的情況下，優(yōu)先權(quán)值應(yīng)從振動故障機理出發(fā)，結(jié)合專家經(jīng)驗來確定。對于故障主要征兆，其優(yōu)先權(quán)值為1，其它征兆根據(jù)它對故障診斷結(jié)果貢獻(xiàn)大小，賦值01間的小數(shù)，貢獻(xiàn)越大賦值越大，貢獻(xiàn)越小賦值越小。以不對中故障為例，由的故障機理分析可知，振動頻率的1倍頻、2倍頻是其主要征兆，同時伴有3倍頻及以上倍頻的輔助征兆，那么再第4行。

　　2汽輪發(fā)電機組故障診斷實例2.1模型結(jié)構(gòu)和樣本選取本文以中計算實例為例，轉(zhuǎn)子實驗臺共模擬了3種故障形式，取5個振動征兆輸入和3個故障原因輸出。網(wǎng)絡(luò)結(jié)構(gòu)相應(yīng)為：輸入層，5個神經(jīng)元；隱含層，4個神經(jīng)元；輸出層，3個神經(jīng)元。具體結(jié)構(gòu)見圖，圖中，X1X5分別對應(yīng)振動信號頻譜分析中的0.40.5倍頻、1倍頻、2倍頻、3倍頻以及大于3倍頻；F1F3為3種故障形式，分別對應(yīng)大油膜振蕩、大不平衡和大不對中。

　　根據(jù)中機組振動故障機理分析，并結(jié)合，確定了輸入層與輸出層間神經(jīng)元連接的優(yōu)先權(quán)值，見表1.表1輸入層與輸出層連接的優(yōu)先權(quán)值序模擬特征征兆加優(yōu)先權(quán)值的改進網(wǎng)絡(luò)輸出結(jié)論大中大中大中AA大中大中大中AAB注：表中A、B、C分別代表油膜振蕩、不平衡和不對中故障。根據(jù)模糊數(shù)學(xué)原理，定義輸出值>0.75、0.750.5、0.5和<0.5分別代表故障程度嚴(yán)重、中等、未知和不存在。以下各表均相同。

　　表3單故障情況下兩種改進網(wǎng)絡(luò)性能比較序模擬特征征兆中BP網(wǎng)絡(luò)輸出加優(yōu)先權(quán)值的改進網(wǎng)絡(luò)輸出大大中中大