关键词:
水电机组
神经网络
故障诊断
故障预测
摘要:
水轮发电机组状态监测与故障诊断系统是近年来国内外水力发电专家学者研究的重要课题,是实现机组状态检修、确保安全运行、降低成本、提高效益的技术支持.随着机械设备故障诊断技术研究的发展,水轮发电机组状态监测与故障诊断系统的研究也取得了很大的进展,但目前大多数水电机组状态监测与故障诊断系统在状态监测与信号分析方面能满足要求,而在智能诊断及机组故障预测方面,尚处于研究的起步阶段.神经网络以其良好的非线性映射能力在故障模式识别与故障预测领域得到了广泛的应用.该文以BP神经网络为工具,探讨了水轮发电机组的常见故障的诊断及水电机组振动趋势的预测.该文的主要内容:首先从实现状态维修的角度,阐述了开展水电机组故障诊断与预测研究的重要意义,简要介绍了国内外水电机组故障诊断与预测技术的研究现状;系统地探讨了水电机组主要故障及其故障征兆,以及水电机组故障诊断的基本过程;然后介绍了BP网络基本原理及其改进算法;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的对其进行诊断的特点,提出了基于集成神经网络的水电机组故障诊断方法,用频谱征兆和振动幅值变化趋势征兆两个子网络,从不同侧面诊断水电机组的故障,在采用D-S证据理论融合两子网络的输出,从而得到诊断决策,实例仿真证明了这种方法的有效性;在论文的第五章介绍了基于神经网络的预测方法,研究探讨了神经网络对水电机组振动常见趋势的预测能力,并给出了预测实例;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.