BP神经网络在燃气轮机振动故障诊断中的应用
作者:jnscsh 时间:2021-06-30 08:46:11 浏览次数:次
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升高,其机组特性随着庞大的结构也越来越复杂,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提供更有效的修断方法!
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及时发现,那么后果将不堪设想,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非常重要。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安全性与经济性。
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,具体包括一个输入层、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,都是有一定数量如同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,从而最终得到所需要的结果。
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,从而判断出燃气轮发电机组的主要性能。假如直接就把采样数据作为样本构建故障知识库,就会发现监测过程比较复杂且规模较庞大,这种效率非常低下。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,将所连续的属性值具体划分为若干个区间,并按照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,具体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个子频带的能量分量,而S是各子频带能量的总能量。
频段幅值分量能量公式为:
在表1中,故障征兆集用C1~C8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、不对中这几种情况。
四、基于BP神经网络的燃气轮机振动故障诊断方法
为了能够更准确的诊断出燃气轮机组的振动故障,可以采用粗糙集实现决策编码和知识的简化,从而使决策属性与决策条件属性能够被准确地刻画出来,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具体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详细检测和认真分析,把每种振动故障类型与特征参数之间的相互关系认真总结;
第二步,进行数据离散化。因为需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分量能量进行确定,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,采用粗糙集属性约简方法。这样做的结果是,可以对决策表分类能力保持不变的情况下,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神经网络开始进行训练,从而可以得到在训练完成后的对振动故障具有分类能力的神经网络;
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用粗糙集理论处理方法找到正确的判断结果,证实目标输出与实际输出对照结果一致。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百分之百。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,2017(04):111-112.
作者简介:
刘洋:性别;男,籍贯河北华北电力大学(北京)专业:动力工程,在读硕士研究生(全日制)研究方向 微型燃气轮机转子故障诊断
付忠广:华北电力大学(北京)
[BP神经网络在燃气轮机振动故障诊断中的应用]相关文章
- 船用燃气轮机燃油系统故障简析
- 提高燃气轮机气动执行器投运可靠性
- 套片式换热器在燃气轮机进气冷却中的应用
- MarkⅥe控制系统在电厂燃气轮机中的应用
- 微型燃气轮机分布式发电系统的建模和仿真
- 有关燃气轮机热电联产问题的研究
- 毫米级微型燃气轮机系统设计原则与可实现性循环分析
- M701F燃气轮机并网负荷波动原因及影响
- 燃气轮机循环水系统节能问题研究
- 某型微型燃气轮机回热度调节机构设计
- 基于改进型BP神经网络的房地产预警
- TORNADO燃机故障诊断的神经网络模型研究
- 基于神经网络的CAN技术分析与研究
- 人工神经网络在甲醇发动机中的应用研究
- 基于加权D—S证据理论与共轭梯度下降BP神经网络结合的柴油机故障诊断
- 基于优化的BP神经网络柴油机燃料系故障诊断仿真研究
- 神经网络控制算法应用探索
- 基于神经网络的机车滚动轴承故障诊断研究
- 基于TCP/IP的旋转机械振动监测系统
- 振动变送器的研究与实现
- 高压调节阀的振动治理及改造
- 网络故障诊断及网络维护命令
- 燃机故障诊断及运行维护技术分析
- 燃机故障诊断及运行维护技术简析
- 汽车故障诊断
- 汽车发动机故障诊断及预测系统研究
- 汽车发动机启动故障诊断思路解析
- 谈汽车发动机故障诊断思路
- 汽车发动机故障诊断系统研究
- 军用车辆柴油发动机故障诊断与维修
- 电子机械故障诊断技术分析
- 上一篇:浅谈燃气轮机节能优化运行技术
- 下一篇:道是无情却有情