水電機組智能故障診斷方法與振動趨勢預測研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著我國水電事業(yè)的迅猛發(fā)展,水電以其在電力行業(yè)調峰的重要作用以及巨大的潛在資源,受到了世界各國的高度重視。水電機組的單機容量變得越來越大,并且在電力系統(tǒng)中所占的比例也呈現(xiàn)快速增長的趨勢。水電機組一直都被視為水電企業(yè)的核心設備,其運行的安全性與機組自身的健康狀態(tài)與水電企業(yè)的安全性與經(jīng)濟效益有著密切的關系,水電機組一旦發(fā)生事故,就會造成嚴重的安全事故并可能導致巨大的經(jīng)濟損失。因此,水電機組的安全性、可靠性和穩(wěn)定性既是水電企業(yè)追求的目標,也是

2、許多學者研究的熱點。水電機組故障診斷與狀態(tài)趨勢的預測能為掌握機組的狀態(tài)提供技術支持,從而有助于降低機組事故率,減少經(jīng)濟損失。本文總結了這一領域的研究現(xiàn)狀,以水電機組振動機理為基礎,應用模糊積分融合多分類器的方法對水電機組進行了故障診斷,并將智能算法優(yōu)化后的廣義回歸神經(jīng)網(wǎng)絡應用于水電機組的狀態(tài)趨勢預測,主要的工作包括以下兩個部分:
  第一部分是基于模糊積分的水電機組故障診斷的研究。
  應用小波包能量算法提取水電機組的故障特

3、征,提出了一種基于模糊積分融合的多分類器組合診斷模型,采用一種加權方法改進了傳統(tǒng)的樸素貝葉斯分類器,并將其與馬氏距離分類器、BP神經(jīng)網(wǎng)絡作為子分類器,通過模糊測度表征子分類器相互間的作用,最后使用模糊積分融合三個子分類器的輸出結果而得到最終的診斷結果,仿真實驗表明基于模糊積分融合的的診斷模型不僅具有較高診斷的準確率,而且相對于單一的診斷方法其泛化性有一定程度的提高。
  第二部分是關于智能算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡狀態(tài)趨勢預測的研

4、究。
  本部分將混沌理論中關于時間序列預測的理論應用到水電機組振動狀態(tài)趨勢預測中,分析了水電機組的振動序列相空間重構中嵌入維數(shù)和延時參數(shù)選擇的問題,應用果蠅優(yōu)化算法優(yōu)化選擇廣義回歸神經(jīng)網(wǎng)絡的分布參數(shù)(spread),將優(yōu)化后的廣義回歸神經(jīng)網(wǎng)絡應用到水電機組的振動狀態(tài)趨勢預測中,在與BP神經(jīng)網(wǎng)絡的預測結果均方誤差的對比中可看出,該模型有較高的穩(wěn)定性與預測精度,對于信號趨勢走向的反映相對比較準確。這種模型為預測機組的運行狀況提出了一

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論