BP神经网络在燃气轮机振动故障诊断中的应用.docx

《BP神经网络在燃气轮机振动故障诊断中的应用.docx》由会员分享，可在线阅读，更多相关《BP神经网络在燃气轮机振动故障诊断中的应用.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、BP神经网络在燃气轮机振动故障诊断中的应用 摘 要：随着科技的进步，燃气轮机已成为日益发展的新型动力设备，它不仅具备很高的应用价值，同时也可以为我们带来很好的经济效益。然而，由于现阶段对电力的需求越来越大，在整个电网中燃气轮发电机组的发电规模比例也不断上升，其机组特性随着浩大的结构也越来越困难，尤其对振动故障诊断的判别比较困难。目前，在燃气轮机振动故障诊断的方法主要有神经网络遗传算法、因为网络算法、支持向量机算法、粒子群计算方法等。本文旨在通过BP神经网络在燃气轮机振动故障诊断中的应用，为我们在实际应用中供应更有效的修断方法！ 关键词：BP算法；神经网络；燃气轮机；振动故障诊断 一、引言 机械

2、设备的故障诊断技术，在现代化生产中越来越受到广泛关注。假如某台设备突然出现故障而又没有被工作人员刚好发觉，那么后果将不可思议，在实际中甚至会造成机毁人亡的惨烈现象。因此，对于整个生产系统来说机械故障诊断特别重要。BP神经网络，是近些年开发了一种新型建模技术，在对燃气轮机振动故障诊断中发挥着重要作用。本文对燃气轮机振动部件模型进行分析，引入BP神经网络技术进行故障诊断，从而提高燃气轮机运行的平安性与经济性。 二、BP神经网络模型 目前，BP神经网络是在各种神经网络中应用最成熟的一种模型。它主要是一个由非线型变换单元所组成的前向多层网络，详细包括一个输入层、一个输出层、一个或多个隐层构成的三层感知

3、器，对网络进行训练通过利用误差反向传播算法。在神经网络中的每一层，都是有肯定数量犹如人相互关联的神经细胞的神经元构成，这个模型中，每一层节点的输入来自前面一层节点的输出。输入信号前向传播到隐层节点中，在经过作用函数把隐节点的输出信息传播到输出节点，从而最终得到所须要的结果。 三、燃气轮发电机组振动故障样本特征参数提取 为了实现对机组状态的监测，有必要通过提取来自燃气轮发电机组的振动特征信号量，从而推断出燃气轮发电机组的主要性能。假如干脆就把采样数据作为样本构建故障学问库，就会发觉监测过程比较困难且规模较浩大，这种效率特别低下。因此，对于燃气轮发动机组的振动信号要通过总结其故障特性和故障种类，将

4、所连续的属性值详细划分为若干个区间，并根据频段幅值将频谱数据作为相应的征兆属性去划分。比如，在7Matlab7.0环境中，详细划分为八个频段幅值，相应的计算公式为： S= Ei（t）2dt 在这个公式中，E是第i个子频带的能量重量，而S是各子频带能量的总能量。 频段幅值重量能量公式为： 在表1中，故障征兆集用C1C8表示，每个故障代码用d0、d1、d2、d3表示，分别代表正常状态、油膜震荡、转子不平衡、不对中这几种状况。 四、基于BP神经网络的燃气轮机振动故障诊断方法 为了能够更精确的诊断出燃气轮机组的振动故障，可以采纳粗糙集实现决策编码和学问的简化，从而使决策属性与决策条件属性能够被精确地刻

5、画出来，使BP神经网络诊断效率更高。我们把基于BP神经网络在燃气轮机组振动故障中的详细诊断步骤分为以下五步： 第一步，把振动故障的特征数据进行采集，正确建立故障关系表。为了得到故障关系表，我们首先要通过对燃气轮机发电机组的振动信号进行具体检测和仔细分析，把每种振动故障类型与特征参数之间的相互关系仔细总结； 其次步，进行数据离散化。因为须要用振动信号的频域特征表述燃气轮机发电机组的征兆特性，所以作为燃气轮机振动故障的征兆属性要通过对不同频段上的幅值重量能量进行确定，而在本文中我们对数据进行处理的方式为基于断点的离散化方法； 第三步，对离散化后的样本数据，采纳粗糙集属性约简方法。这样做的结果是，可

6、以对决策表分类实力保持不变的状况下，受样本数据维度得到最大程度的降低，从而可以使后期神经网络训练的速度得到有效提高； 第四步，BP神经网络训练。将上一步进行约简后的样本数据输入到BP神经网络起先进行训练，从而可以得到在训练完成后的对振动故障具有分类实力的神经网络； 第五步，最终测试。为了得到正确的燃气轮机组振动故障诊断结果，在经过训练后的神经网络中输入以约简测试样本最小条件属性集。 五、结束语 本文主要讲解并描述了BP神经网络在燃气轮机振动故障诊断中的应用，先对燃气轮发电机组振动故障样本特征参数进行提取，再在分析燃气机组振动部件构成故障判据的基础上采纳粗糙集理论处理方法找到正确的推断结果，证明

7、目标输出与实际输出比照结果一样。因此，我们认为基于BP神经网络诊断燃气轮机组振动故障虽然是可行的方法，但是由于算法本身存在的缺陷还会存在一些失误，而在经过粗糙集理论处理后的BP神经网络正确识别故障率可以达到一百零一分之一百零一。在实际应用中，只有寻求多种方法相结合的故障诊断技术才能够最终获得更好的诊断效果，这也是为日后对燃气轮发动机组振动故障進行正确诊断的主要方法。 参考文献： 1司景萍，马继昌，牛家骅等.基于模糊神经网络的智能故障诊断专家系统J.振动与冲击，2022（04）：111-112. 作者简介： 刘洋：性别；男，籍贯河北华北电力高校（北京）专业：动力工程，在读硕士探讨生（全日制）探讨方向 微型燃气轮机转子故障诊断 付忠广：华北电力高校（北京） 第5页 共5页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页第 5 页 共 5 页