人工神经网络在汽轮机故障诊断中应用的研究

VIP免费

3.0 赵德峰 2024-11-19 4 4 1.61MB 53 页 15积分

侵权投诉

摘要

在工程与技术、生物与医学以及经济与社会领域内，诊断理论作为状态识别

方法的基础都得到了广泛的应用，尤其是在工程与技术领域内近十几年来设备诊

断已成为专家们注意的热点。

计算机人工智能与诊断理论的结合形成了具有信息时代特色的智能诊断。早

期发展的模拟人脑思维推理的基于知识的专家系统以串行运行的格式进入设备诊

断领域，并形成了基于知识的诊断推理的专家系统，国内外已经有许多成熟的商

品化的软件系统，也出现了不少系统论述的专著。近几年来新发展起来的人工智

能的一个分支—人工神经网络模仿人脑物理结构以强大的并行运算和联想能力非

常适合于设备诊断中的状态识别，具有广泛的应用前景。

本文首先简要综述了人工神经网络的基本理论及概念，对人工神经网络的 BP

算法进行了深入的研究，并针对 BP 算法的一些缺陷和隐层的作用机理，对三层感

知器网络的算法作一些修改，推出新的学习算法，使计算不会陷入局部极小，并

加快了收敛速度。

本文研究了汽轮机振动故障的机理，建立了汽轮机振动故障原因和征兆表，

用来分析和诊断汽轮机的振动故障，使用 MATLAB 仿真软件的神经网络工具箱，设

计构造了针对汽轮机振动故障诊断的人工神经网络，并使用 FOXPRO 开发了基于人

工神经网络的汽轮机故障诊断小型软件。

关键词：人工神经网络 BP（Back Propagation）算法故障诊断

ABSTRACT

In the fields of Engineer & Technology, Biology & Medicine, Economics &

Society, it’s widely used to identify the state based on the diagnosis theory. In particular,

nearly dozens of years specialists focus on the equipment diagnosis in the Engineer &

Technology field.

It becomes intelligent diagnosis with the characteristic of the Information Ages that

the computer’s artificial intelligence combines with the diagnosis theory. The specialist

system, which based on knowledge, came into the field of the equipment diagnosis as

the entrance of the serial running format and became the specialist system of the

equipment diagnosis based on knowledge. Many mature software system as products

have been published in China and on aboard, and lots of articles about systematical

discussion. In these years, the artificial NN(Nerve Network) simulating the physical

structure of man’s brain, which is one branch of the new developed artificial intelligence,

is very suitable to identify the state based on the diagnosis theory in the process of the

equipment diagnosis through the powerful parallel running and associational ability.

It has a good future in application.

At first this article simply summarizes the basic theories and concepts of artificial

NN. Secondly, it does more deeply research, and puts forward to the new arithmetic to

modify the arithmetic of three layers sensor network, because of BP’s defects and

hidden layers. It will not lead to the local least and quicken the constringency.

This article researches the mechanism of turbine vibration faults and establishes

the tables of the reasons for turbine vibration faults and premonition. It can analysis and

diagnosis turbine vibration faults. It designs the artificial NN specially for diagnosing

the turbine vibration faults by the tools kit of MATLAB -- a simulating program. The

software is based on the artificial NN and programmed for diagnosing the turbine faults

by FOXPRO.

Key words: Artificial nerve network, BP(Back Propagation) arithmetic,

Faults diagnosis

中文摘要

ABSTRACT

第一章绪论

§1.1 课题来源及意

义……………………………………………………………...1

§1.2 人工神经网络用于故障诊断的发展过程和目前国内外发展水

平………...2

§1.3 课题研究内容及关键技

术…………………………………………………...2

第二章人工神经网络的基本理论

§2.1 生物神经细胞及神经细胞组成的网

络……………………………………..4

§2.2 生物神经网络的人工模型与人工神经网络的构

成………………………..5

§2.3 人工神经网络的学习规

则…………………………………………………..7

§2.4 人工神经网络的几种基本类

型……………………………………………10

§2.5 人工神经网络的基本特

点…………………………………………………13

第三章人工神经网络 BP 算法的分析研究

§ 3.1 BP 网络间简

介……………………………………………………………..14

§ 3.2 隐层数的确

定………………………………………………………………16

§ 3.3 隐层节点数的确

定…………………………………………………………16

§ 3.4 隐层神经元的作用机理分

析………………………………………………17

§ 3.5 隐层神经数的自适应确

定…………………………………………………20

第四章对 BP 算法的改进

§ 4.1 改进算法的概

述…………………………………………………………...22

§ 4.2 输出层的优

化……………………………………………………………...24

§ 4.3 网络的线性

化……………………………………………………………...24

§ 4.4 隐层的优

化………………………………………………………………...26

第五章汽轮机故障特征的提取

§ 5.1 汽轮机几种故障的机理研

究……………………………………………...29

§ 5.2 汽轮机故障特征值提

取…………………………………………………...33

§ 5.3 频带分析技

术……………………………………………………………...33

§ 5.4 汽轮机故障特征向

量……………………………………………………...34

第六章 MATLAB 在汽轮机故障诊断中的应用

§ 6.1 MATLAB 人工神经网络工具箱介绍……………………………………..36

§ 6.2 MATLAB 用于汽轮机故障诊断的程序………………………………….38

第七章基于人工神经网络的汽轮机故障诊断小型软件

§ 7.1.系统概

述…………………………………………………………………...43

§ 7.2 运行示

例…………………………………………………………………..44

§ 7.3 总

结………………………………………………………………………..46

结束

语………………………………………………………………………………….47

参考文

献……………………………………………………………………………….48

在读期间公开发表的论文和承担科研项目及取得成

果….………………………….49

致

谢…………………………….………………………………………………………50

第一章绪论

§1.1 课题来源及意义

设备诊断技术是近 40 年来发展起来的一门新学科。它是适应工程实际需要而形

成的一门由各学科相互交叉、相互渗透的综合学科。

从汽轮机的检修的历史和现状来看，大致分为 3 个阶段：

（1）事故停机检修：这种检修是被动的，显然是要避免的，因为事故总要造成很大的

经济损失。另外，这种停机检修往往是突然发生的，不可能事先准备好维修用的

资料、工具和零备件，因此检修周期会拖得很长。

（2）定期拆卸检修—预防性检修：这是一种主动性维修方案，这种维修方案是生产厂

家按大修计划定期地对机组进行拆卸检修。目前国内外工厂多数采用这种方案，

但是这种方案也有其缺点：要付出许多人力、物力并损失许多时间，甚至机组运

行的正常状态也有可能被定期检修所破坏，造成浪费。

（3）在线监视和诊断—预测性维修，这种维修是利用完善的监视和分析诊断系统，对

机组进行在线监视，及早发现机组的异常现象，并分析诊断出故障原因，通过调

整工作条件或减少负荷，保证机器处于正常运行状态，直到必须对机组进行检修

时再停机，这样可以大大地提高检修的针对性，减少了维修所用的时间。可见，

这中维修方式所带来的经济效益将是巨大的。

维修是有成本的，如何根据设备运行的具体情况，选择适当的，有效的、合

理的维修方案，是提高生产效率和经济效益的有效途经，是每个企业所追求的。

目前，如何合理使用维修方式、维修费用的问题逐渐被企业管理者和科技人员所

关注和重视，成为一个研究的重要课题。根据美国国家统计局资料，1980 年美国

的全国税收为 7500 亿美圆，而这一年工业设备的维修费用就用掉 2460 亿美圆，

根据美国维修专家分析，其中三分之一，即 750 亿美圆是由于包括缺乏正确的预

测维修技术在内的不恰当维修方法而造成的损失，可见预测维修的价值是多么的

重要。利用预测维修，工厂机器的运行周期就可根据机器本身的状态来确定，而

不再以运行时间作为基础。

预测维修方案是先进的，是企业所追求的，其基础是设备诊断技术。而当今

电子技术，尤其是计算机技术的发展，为设备诊断技术提供了必要的技术基础，

60 年代，快速傅立叶变换的出现，使诊断技术的发展产生了飞跃。近年来，传感

器技术的发展，信号处理技术，如各种滤波技术，各种谱分析技术，人工智能的

技术如专家系统，神经网络等，使设备诊断技术在不断完善中。

诊断方法的研究是设备诊断技术的核心，识别设备的状态为正常或异常，判

断为异常后再进行原因分析，这是诊断的实质。原始的诊断方法是“手摸，耳听，

眼看”，在设备诊断技术出现后，这种情况得到了根本的改变。目前诊断技术根

据不同的信号类型，分为振动诊断，温度诊断，油液分析，光谱分析等。受技术

条件的限制，在诊断技术发展的初期，人的因素占绝对主导地位。仪器处理后的

人工神经网络在汽轮机故障诊断中应用的研究

信号基本上是靠人去分析。如对振动谱结构的分析，只有有经验的专家和技术人

员才能将它和某类故障联系起来。近年来，随着人工智能（AI）的发展，诊断自

动化、智能化的要求逐步变为现实。其中基于知识的专家系统（简称专家系统）

的研究起步最早，目前在汽轮机故障诊断系统已经有成功的应用。但其缺点是，

必须要建立强大的专家数据库，而且其诊断结果也受到专家数据库的影响，在实

际应用中，经常产生诊断结果和实际不相符合的情况。人工神经网络技术在诊断

中的应用起步较晚，但是由于它强大的并行计算能力和自学习及联想能力，很适

合做故障分类和模式识别，因此在诊断中很收欢迎。和传统的系统相比较，神经

网络具有独特的优点：1）人工神经网络系统可以实时运行。2）人工神经网络能

够直接使用时间序列数据，而专家系统需要将数据转换成符号信息。

§1.2 人工神经网络用于故障诊断的发展过程和目前国内外发展水平

人工神经网络用于故障诊断起源于 80 年代末期。1989 年美国珀杜大学的

Venkatasubramanian 和 Kin Chan 等人将人工神经网络用于故障诊断中，并与基

于知识库的专家系统进行了比较。他们诊断的设备是一个流化态催化单元的故障，

确定了 18 种征兆（输入节点）和 13 种故障类型（输出节点），隐层有 5～27 个

节点。所用算法是前向传播算法，获得了理想的结果，它能正确地确定 94%～98%

的故障原因，美中不足的是，训练时间太长，并且训练时输入的数据不是实时的。

神经网络应用于故障诊断的问题可以看成模式识别，通过对一系列过程参数

进行测量，然后用神经网络从测量空间影射到故障空间，实现故障识别。

我国也有一些学者对神经网络在故障诊断中的应用进行了探讨，如东北大学

虞和济教授，西安交通大学屈梁生教授和东南大学的钟秉林教授等取得了一些成

果，但目前应用到汽轮机故障诊断系统中的实际应用还几乎没有，本文致力于将

神经网络应用到汽轮机故障诊断系统中去。

§1.3 课题研究内容及关键技术

仅是对人工神经网络的设备诊断技术有很强的工程背景，具有重要的使用价

值，并且以深厚的理论为基础。从本质上讲，设备诊断技术是个模式分类问题，

即把机器的运行状态分为正常和异常两类。进一步讲，异常的信号样本究竟又属

于哪种故障，这又是一个模式识别问题。而利用人工神经网络进行故障诊断分析

就是利用了人工神经网络进行模式识别。

从开展设备诊断的流程来讲，设备诊断分为信号采集，信号处理，故障诊断

3 个阶段。在本文中，没有涉及到信号采集和信号处理，作者仅对故障诊断中人工

神经网络的应用做了一些研究。针对 BP 算法作了比较深入的研究，并提出了改进

算法，另外，对汽轮机振动故障做了机理上的研究，及提取了故障症兆获得数据

样本，并用 MATLAB 仿真软件针对汽轮机振动故障诊断建立了人工神经网络，进行

了仿真计算。在仿真计算的基础上，作者在 WINDOWS 平台上以人工神经网络为诊

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要在工程与技术、生物与医学以及经济与社会领域内，诊断理论作为状态识别方法的基础都得到了广泛的应用，尤其是在工程与技术领域内近十几年来设备诊断已成为专家们注意的热点。计算机人工智能与诊断理论的结合形成了具有信息时代特色的智能诊断。早期发展的模拟人脑思维推理的基于知识的专家系统以串行运行的格式进入设备诊断领域，并形成了基于知识的诊断推理的专家系统，国内外已经有许多成熟的商品化的软件系统，也出现了不少系统论述的专著。近几年来新发展起来的人工智能的一个分支—人工神经网络模仿人脑物理结构以强大的并行运算和联想能力非常适合于设备诊断中的状态识别，具有广泛的应用前景。本文首先简要综述了人工神经网络的基本理...

展开>> 收起<<

人工神经网络在汽轮机故障诊断中应用的研究.pdf

共53页,预览6页

还剩页未读，继续阅读

人工神经网络在汽轮机故障诊断中应用的研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: