基于神经网络和证据理论融合的水电机组振动故障诊断研究

【摘要】： 水轮发电机组振动是一个非常复杂的物理过程,随着用户对供电质量要求的提高,以及大中型水力发电厂推行“无人值班”(少人值守)的管理模式,建立机组振动在线监测诊断系统,对机组振动故障进行早期诊断,及时发现和排除系统故障,对保障水轮发电机组稳定运行十分重要。 神经网络以其良好的非线性映射能力和D-S证据理论在表达不确定性方面具有独特的优势,均在故障诊断领域得到了广泛的应用。本文以BP神经网络和D-S证据理论为基础,提出了一种基于D-S证据理论对子神经网络的输出进行融合的方法。该方法将每个神经网络看作一个证据,对神经网络的输出在时间域、空间域上进行融合,从不同侧面对故障进行诊断,充分利用故障信息,从而提高诊断的准确率。通过对水轮发电机组的常见故障进行诊断,诊断结果表明了该算法的可行性。 本文主要进行了以下工作: 从水电厂实际出发,阐述了开展水电机组故障诊断研究的重要意义与目的,简要介绍了国内外水电机组故障诊断技术发展现状以及目前应用于故障诊断领域的常用方法,系统地分析归纳了水电机组振动的机理、主要故障及其故障征兆、识别水电机组振动故障原因的三种方法,以及水电机组监测的关键技术和故障特征提取技术。 在讨论了BP网络基本原理的基础上,分析了BP神经网络的优缺点,进而对BP算法进行改进,研究了将遗传算法应用于神经网络权值优化的问题,提出了一种改进型GA-BP算法。 针对水电机组故障多、故障征兆复杂、单子神经网络难以很好对其进行诊断的特点,利用网络分块技术对水电机组故障进行诊断,用振动频谱征兆和振动幅值变化征兆两个子网络,从不同侧面诊断水电机组的故障,然后采用D-S证据理论融合各子网络的诊断结果,从而得到最终诊断结论,通过实例仿真证明了这种方法的有效性。 用MATLAB7.0开发出基于神经网络和D-S证据理论相结合的水电机组振动故障诊断系统软件,最后对全文的主要工作进行了总结,指出了研究的不足和今后进一步研究的方向。 【关键词】：水电机组 BP神经网络 遗传算法 D-S证据理论 振动 故障诊断
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TV734
【目录】：

• 摘要3-4
• Abstract4-9
• 1 绪论9-17
• 1.1 本课题的意义与目的9-11
• 1.2 故障诊断的发展现状11-12
• 1.3 智能故障诊断的常用方法12-16
• 1.3.1 模糊识别方法12-13
• 1.3.2 专家系统方法13
• 1.3.3 神经网络识别方法13-14
• 1.3.4 故障树分析法14
• 1.3.5 小波故障诊断方法14-15
• 1.3.6 信息融合诊断法15
• 1.3.7 混合智能诊断方法15-16
• 1.4 本文研究的主要内容16-17
• 2 水轮发电机组振动机理及故障特征提取17-31
• 2.1 引言17-18
• 2.2 机组振动的原因及主要特征18-21
• 2.2.1 机械振动18-19
• 2.2.2 电气振动19-20
• 2.2.3 水力振动20-21
• 2.3 各频率征兆所对应的故障21-23
• 2.4 水电机组的振动判别与试验方法23-25
• 2.4.1 由振动试验判别振动原因23-24
• 2.4.2 从振动部位判别振动原因24
• 2.4.3 由振动频率识别振动原因24-25
• 2.5 水电机组振动监测的关键技术25-27
• 2.5.1 监测点的选择与布置25
• 2.5.2 传感器的选择和配置25-26
• 2.5.3 信号的采集、分析与处理26-27
• 2.6 振动信号的处理与故障特征提取27-31
• 2.6.1 信号处理技术27-29
• 2.6.2 信号能量频带分析29-30
• 2.6.3 算法的实现30-31
• 3 改进的遗传神经网络算法31-52
• 3.1 引言31
• 3.2 神经网络原理及其算法的改进31-39
• 3.2.1 人工神经网络概述31-32
• 3.2.2 BP 神经网络算法原理及数学推导32-35
• 3.2.3 BP 神经网络算法学习流程35-36
• 3.2.4 BP 网络设计分析36-38
• 3.2.5 BP 神经网络算法的缺点及改进措施38-39
• 3.3 遗传算法的基本原理及改进算法39-42
• 3.3.1 遗传算法的基本原理39
• 3.3.2 遗传算法的构造和应用步骤39-41
• 3.3.3 遗传算法的改进41-42
• 3.4 遗传算法与人工神经网络的结合42-48
• 3.4.1 GA-BP 混合算法的基本思想42-44
• 3.4.2 编码策略44
• 3.4.3 群体设定44
• 3.4.4 适应度函数的确定44-45
• 3.4.5 混合算法的实现45-47
• 3.4.6 混合算法的优点47-48
• 3.5 算例分析48-52
• 4 信息融合系统在故障诊断中的应用52-67
• 4.1 引言52-55
• 4.1.1 信息融合理论概述52-53
• 4.1.2 信息融合的基本原理53-54
• 4.1.3 信息融合与故障诊断54-55
• 4.2 信息融合方法的选择55-56
• 4.3 Dempster-Shafer 证据理论56-59
• 4.3.1 D-S 证据理论的基本概念56-58
• 4.3.3 D-S 证据理论融合规则58-59
• 4.4 D-S 证据推理信息融合决策的基本过程59-60
• 4.5 D-S 证据理论的优缺点60-61
• 4.6 信息融合和神经网络相结合应用于故障诊断61-64
• 4.6.1 信息融合方法的研究可以实现综合诊断61
• 4.6.2 神经网络故障诊断问题可以看成模式识别61-62
• 4.6.3 神经网络和D-S 证据理论相结合的融合诊断方法62-64
• 4.7 算例分析64-67
• 4.7.1 诊断子网的实现64-65
• 4.7.2 D-S 融合决策65-67
• 5 水电机组振动故障诊断系统软件的实现67-74
• 5.1 MATLAB 简介67-68
• 5.2 水电机组振动故障诊断系统的实现68-74
• 6 结论与展望74-76
• 6.1 结论74
• 6.2 展望74-76
• 致谢76-77
• 参考文献77-81
• 在校学习期间发表的论文81

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于故障建模的双余度舵机故障诊断技术    付永领;庞尧;刘和松;张晔;

水电机组振动故障的智能诊断方法研究    彭文季

轨道列车走行部滚动轴承故障诊断研究    贾天丽

基于信息融合的EPS与SAS集成系统故障诊断研究    倪永成

基于MAS和Petri网的水电机组振动故障诊断研究    丁坦

水力机组无线振动监测及支持向量机故障诊断系统研究    李辉

基于Petri网的水轮发电机组振动故障诊断专家系统研究    余永华

多传感器信息融合及在智能故障诊断中的应用    张彦铎,姜兴渭

水电机组故障诊断中的数据融合算法    华斌,周建中

水电机组故障诊断系统信号特征的提取    梁武科,张彦宁,罗兴锜

证据理论在旋转机械综合故障诊断中应用    高洪涛,王敏

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用    王奉涛,马孝江,朱泓,王志鹏

国内电站故障诊断系统的现状及发展方向    程道来,吴茜,吕庭彦,陈栋

基于Dempster-shafer理论的多个神经网络分类器融合算法    易正俊,黄瀚敏,黄席樾

贝叶斯网络在水电机组故障诊断中的应用研究    华斌,周建中,喻菁

基于遗传算法和神经网络优化的故障诊断专家系统    宋立新,王玉华,李玲远

基于信息融合的故障诊断模糊专家系统的应用    张晓丹,赵海,王刚,魏守智

神经网络和证据理论集成的数据融合故障诊断方法研究    李冲祥

机械故障诊断中神经网络与D-S推理的信息融合技术研究    张琳

基于遗传神经网络的汽轮发电机振动故障诊断的研究    严金云;马宏忠;

模糊故障树分析法在真空系统维修中的应用    张文朋;

军用机电装备智能自诊断技术    王新峰,邱静

神经模糊技术在柔性加工工序质量保证系统中的应用研究    张建立,李钢,俞研,陶俐言,蒯晓俊

角膜移植显微手术机器人系统的安全分析    张慧慧,谢礼忠,李大寨

信息融合技术在烟气轮机故障诊断中的应用    张唐瑭;王少红;徐小力;

神经网络预测摩擦表层转移元素分布规律的研究    徐建生,赵源

基于D-S证据理论和BP算法的直流电机故障诊断研究    嵇斗;王向军;

小波网络专家系统在船舶电站机组故障诊断中的应用    朱本坤;

摩擦表面复合层元素分布规律的研究    徐建生,赵源

Rolling Bearing Fault Diagnosis based on Wavelet Packet and RBF Neural Network    

炳灵贯流机组轴承润滑系统的设计选择    赵有东;段宏江;石耀宇;

改进Elman网络在水轮发电机组故障诊断中的应用    姬巧玲;梅顺齐;漆为民;蔡维由;

基于信息熵距的旋转机械振动故障诊断方法的研究    陈非;黄树红;张燕平;申弢;高伟;

基于神经网络的齿轮传动链传动比的优化设计研究    赵韩;陈科;

水电机组故障诊断技术的发展现状与展望    潘罗平;周叶;唐澍;桂中华;余江城;刘娟;

基于BP神经网络的某型坦克火控系统故障诊断专家系统    陈志东;刘川禾;

基于模糊神经网络和D-S证据理论的信息融合方法的研究    边宝峰;马平;

基于信息融合的油气管道内腐蚀评价方法    陈兵;樊玉光;周三平;

基于多源信息融合技术的复杂工业过程监控系统    司刚全;曹晖;张彦斌;马西奎;

基于传感器管理的移动机器人融合算法研究    杨锦园

基于免疫算法和多传感器信息融合的电机故障综合诊断方法研究    勾轶

基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究    杨志荣

基于核方法的旋转机械故障诊断技术与模式分析方法研究    蒋玲莉

基于FMAGDM理论的复杂设备故障诊断不确定推理方法研究    赖于树

基于信息融合的航空发动机故障诊断方法    吴文杰

基于知识和多种群进化的遗传算法研究    李军华

发电机励磁控制实时监测与故障诊断专家系统的研究    张文玲

基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究    肖文斌

转子-轴承故障诊断方法研究    王冬云

远程诊断中心的设计与实现    韩冬振

基于全矢谱的旋转机械轴振与瓦振关系研究    赵国卿

蒸汽发生器故障预报方法研究    阎明

旋转机械故障机理与轴心轨迹识别方法研究    赵利华

基于基本概率赋值调整的数据融合方法及应用    王玉波

600MW汽轮机故障智能诊断系统研究    王玉波

地铁盾构设备状态监测与故障诊断研究    蒋庆

应急通信监控系统中故障诊断系统间协同机制的研究    程帅

基于小波分析的汽轮机故障诊断研究    刘一

小鹰-500飞机起落架故障诊断系统的设计与实现    牛炳辉

车辆主动悬架技术的现状和发展趋势    王国丽,顾亮,孙逢春

两栖车液压系统及其故障诊断搜索策略研究    姚成玉;赵静一;

基于粗糙集对旋转机械故障诊断系统的研究    兴连国;许宝杰;

航天器热故障诊断专家系统推理机的设计    魏传锋,李运泽,王浚,于涛

基于遗传算法的压缩机故障诊断    慈建平,张卫民,那荣起,汤华

基于遗传算法的网络故障诊断专家系统的设计与实现    戴忠健,苏利敏

一种改进的递归神经网络及其仿真研究    唐富华,郭银景,杨阳,康景利

基于故障树和G2的航天器故障诊断系统开发(英文)    纪常伟,荣吉利

故障诊断方法现状与展望    王宏力;侯青剑;

多传感器信息融合及在智能故障诊断中的应用    张彦铎,姜兴渭

粗糙集理论在旋转机械故障诊断技术上应用的研究    许琦

基于神经网络的入侵检测研究    潘志松

大型旋转机械智能诊断多Agent系统的研究    孙红岩

基于弯扭耦合振动与轴心轨迹辨识的水轮发电机组故障诊断研究    付波

神经网络和证据理论集成的数据融合故障诊断方法研究    李冲祥

BP神经网络在网络入侵检测系统中的应用    郝坤

电动助力转向故障诊断技术研究    潘海鹏

基于改进BP神经网络的分布式入侵检测模型研究    吴宏伟

基于神经网络和小波分析的水力机组振动故障诊断研究    陈继尧

基于粗糙集的水轮发电机组振动故障诊断系统研究    李辉

水轮发电机组振动监测与故障诊断系统设计与应用    刘玉刚

基于IEEE802.15.4/ZigBee的无线传感器网络研究    贺文

基于改进神经网络的入侵检测的研究    刘娜

基于ZigBee协议的无线传感器网络关键技术的研究和实现    施承

智能故障诊断的应用研究    杨丹;

水电机组振动信号去除高频噪声技术综述    李志红;

水电机组故障智能诊断研究综述    葛新峰;徐广文;周叶;唐澍;

融合支持向量机的水电机组混合智能故障诊断研究    张孝远

面向智能水电站的远程监测与分析系统    杨贤

电缆故障诊断理论与关键技术研究    刘辉

水力发电机组轴系振动特性及其故障诊断策略    安学利

现代智能计算及其在水电机组故障诊断中的应用    向秀桥

水轮机组智能故障诊断系统的研究    孙亚槿

基于最小二乘支持向量机的水轮发电机组振动故障诊断方法研究    黄戈

基于能量算子和粒子群优化神经网络的水轮发电机组振动故障诊断研究    陈晓芸

双馈异步感应发电机组电参数故障诊断技术的研究    杨勇

基于粗糙集理论的故障诊断知识获取研究    穆海芳

基于声发射技术的地铁列车滚动轴承故障诊断研究    陈展鹏

高瓦斯矿井掘进通风瓦斯浓度预测神经网络模型研究    阎东慧

基于有限元法的货车车架静动态特性分析    丁芳

证据理论和神经网络结合的目标识别方法    王毛路,李少洪,毛士艺

液压泵故障诊断的神经网络方法    王少萍,王占林

Dempster-Shafer证据推理在数据融合中的应用    耿立恩,潘旭峰,李晓雷,祝嘉光

基于Dempster-Shafer证据理论的数据融合技术研究    倪国强,梁好臣

相关证据的融合及其在机器人多感觉信息融合中的应用    罗志增,蒋静坪

数据融合在目标识别中的应用    刘俊,付敬奇,董新平

D-S证据理论在多传感器目标识别中的应用    唐海峰,张合,李豪杰

设备故障信息融合问题的思考    张雨,温熙森

基于信息融合的发动机全系统故障诊断研究    沈寿林,郑海起,张英堂

信息融合的原理与方法概述    涂小强

轧机AGC液压系统故障诊断技术的研究    高英杰

混流式机组水力振动研究与破坏原因分析    贺梅

基于神经网络和遗传算法的舰艇声纳自噪声预报    吴晓光;石仲堃;

基于BP神经网络和遗传算法的丰满水库洪水预报模型研究    李成林;杨斌斌;

BP-GA算法在短时交通流预测中的应用研究    任雪莲;陈晓芬;马骏;

基于BP神经网络的遗传算法在短时交通流预测中的应用    任雪莲;陈晓芬;马骏;

基于混合神经网络的野战仓库伪装效能评估    曲红绯;李文山;杨军;

遗传神经网络在基片图像边缘检测中的应用    王园宇;李元宗;

遗传神经网络能耗预测模型在钢铁企业中的应用    杨宏韬;张德江;李秀兰;王秀英;

遗传优化BP神经网络在槽况预测中的应用    朱斌泉;林景栋;

基于GA-BP算法的工程船舶建模研究    王丽;郭建明;

基于遗传算法的BP网络在城区埋地燃气管道风险评价中的应用    王妍;杨晓翔;魏碧霞;姚钦;龚凌诸;

基于优化的BP神经网络遥感影像分类    罗小波;刘明皓;

遗传算法和神经网络在汇率预测中的应用    王晓琳;伍海华;

基于遗传神经网络的不完全微分PID控制算法的研究    李一军;陈文燕;

基于遗传神经网络的不完全微分PID控制算法的研究    李一军;陈文燕;

基于遗传神经网络的无刷直流电机矢量控制系统设计    王家达;刘祖望;

基于遗传BP模糊神经网络的电梯群控技术研究    张健;王艳秋;

基于遗传神经网络的铝电解故障诊断研究    杨春宁;曾水平;

基于GA-BP神经网络的故障诊断专家系统在水轮机组中的应用    王利霞;蔡金锭;林礼清;

钢液终点磷含量的BP神经网络预测控制模型    张军红;

神经网络在变压器故障诊断中的比较研究    刘毅;周永华;王亚钊;

我国加紧研发百万千瓦级水电机组    吴植

国电电力 水电机组投产新项目获批    证券时报记者 向南

700兆瓦级水电机组励磁系统实现国产化    通讯员 周光乙　袁亚洲

水电重大装备制造业跨入新时代    吴植

《神经网络和遗传算法在水科学领域的应用》将面市    林京

世界首台80万千瓦水电机组蜗壳出厂    通讯员 孙文

水电集团去年完成装机1990万千瓦    记者 黄家哲　任乐云

水火互补效果明显    高强

哈电机开展溪洛渡项目技术攻关    

江西公司力促电网频率稳定    张琴 徐擎天

具有拓扑结构布局优化的理论及算法    张旭

基于遗传算法的形状误差计算研究    廖平

高新技术产业投资环境系统研究    周明

小型化微带天线的设计与数值分析    张需溥

空间数据挖掘中聚类分析算法的研究    杨春成

基于移动代理的网格资源监控技术的研究    方娟

箱型结构焊接变形预测、控制及应用    崔晓芳

薄带坯铸轧板形智能识别与控制系统研究    张材

遗传算法的改进研究及其在压缩机性能分析与优化中的应用    田方

柔性作业车间调度中的优化算法研究    谷峰

基于神经网络和证据理论融合的水电机组振动故障诊断研究    刘立峰

基于遗传算法的BP神经网络在多目标优化中的应用研究    朱文龙

基于遗传算法的BP神经网络在织物染色配色中的应用研究    李莉

基于BP网络和遗传算法的岩爆预测研究    雷松林

基于浮动车数据的城市路段行程时间预测研究    方志伟

基于遗传神经网络的水质评价模型优化及应用    周雪倩

基于遗传算法和BP网络的LF炉终点温度预报    田慧欣

几种方法在粮食产量预测中的比较研究    禇春雷

宽带拉曼光纤放大器增益平坦特性的研究    王勇

基于遗传算法和神经网络的输电铁塔形状优化设计    易少华