文档介绍：哈尔滨理工大学
硕士学位论文
基于神经网络的汽轮机轴系振动故障诊断研究
姓名:王宇杰
申请学位级别:硕士
专业:@
指导教师:庞兵
201103
基于神经网络的汽轮机轴系振动故障诊断研究要摘随着现代化生产的高速发展,汽轮机作为电力工业的主要设备,也向着大型化、高容量化的的方向发展,为了提高生产效率、保证设备的安全运行,对汽轮机设备的运行状况监测和故障诊断变得越来越重要。而传统的汽轮机故障诊断需要有经验的工作人员来进行,并且汽轮机轴系故障的多样性和多因素的不确定性使得故障诊断过程十分复杂。因此,故障诊断技术正慢慢的走向智能化。人工神经网络是进行分布式并行信息处理的算法数学模型,其具有自学能力和联想存储能力、高速寻找优化解的能力、非线性处理问题能力能够有效的提高故障诊断的准确率,因此将神经网络应用到汽轮机的故障诊断当中有着十分重要的经济和社会意义。本文从介绍故障诊断的基本概念入手,分析现有的汽轮机轴系振动故障诊断方法,发现这些方法存在的不足。通过对神经网络的研究表明,神经网络在概念和处理方法上都很适合汽轮机轴系振动故障诊断的要求,研究与设计基于神经网络的故障诊断系统,将具有重要的理论与实用意义。并对神经网络理论中的算法及其改进算法的推演和相关知识进行了描述。在此基础上,本论文在汽轮机轴系振动故障诊断中引入神经网络技术,研究如何将神经网络成功应用于汽轮机的故障诊断,并设计了一个基于神经网络的汽轮机轴系振动故障诊断系统的模型,阐述了该模型的设计思想、模型原理图。本论文针对网络收敛速度慢,神经元隐层节点不易确定和局部极小值等不足提出了改进方法。通过仿真软件完成了故障诊断模型的实现。并将测试样本输入到建立的神经网络模型中进行检验。检验结果表明,改进后的神经网络模型无论是数值的精度还是准确度都比改进前有较大的提高。改进后的人工神经网络模型达到了故障诊断的目的。说明将人工神经网络的方法应用于汽轮机轴系故障诊断领域是可行的。关键词汽轮机;人工神经网络:故障诊断哈尔滨理笱学硕学位论文
琣琩瑂猟..’瓵哈尔滨理工人学Ч藑宦畚甌,瓵—..,.瑃,—.
,琭哈尔滨理搜学硕学位论文..珺..
第滦髀汽轮机故障诊断研究的意义随着科学技术的迅速发展,电力产业的关键生产设备汽轮机也变的更加大型和复杂。电力的生产效率越来越高,汽轮机的结构也同趋复杂,其不同部件互相连接作用,其中一个环节出现故障,整个系统将会瘫痪。这样不但造成了经济损失,甚至会造成机毁人亡的严重后果。大型先进的汽轮机设备虽然大幅的提高了生产效率,节约了劳动成本,但同时增加的是设备维修费用,设备故障单位时间造成的损失也大量增加。汽轮机轴系振动幅值过大所造成的故障是现实生产过程中最常见的,各种因为轴系振动故障所造成的机毁人亡事故屡见不鲜,据统计从年到年问我国以上的汽轮机发电机组由于轴系振动故障所造成的重大事故多达稹獠坏斐闪酥苯拥木盟鹗В饕5氖瞧渖钤兜纳缁嵊跋臁因此,发展和研究汽轮机故障诊断技术是迫在眉睫。然而,汽轮机轴系振动的诱因具有不确定性和很多的不确定因素【,故障的发生也属于偶然事件,再加上轴系振动故障特征难以采集【。所以大力发展汽轮机故障诊断技术,能够使得人们及时的发现机组故障,并加以排除有效的降低了恶性事故发生的几率。并且先进而又精确的检测技术可以降低生产成本,避免了生产过程中人力和物力资源的过度浪费,这将给整个电力产业带来可观的经济效益。机械故障诊断就是对机械运行时的物理参数进行检测,包括其运行时的位移、振幅、速度、温度和频率等。而诊断就是对机械运行时的工况参数进行识别、预测和判断【8莞髦植饬抗ぞ咚獾玫奈锢砹拷凶酆媳冉戏治觯据分析结果得到故障产生的机理,进而排除故障。故障诊断分为三个步骤,第一步是,通过传感器或者相应的测量工具获得故障的诊断信息,第二步是,在机械故障状态下的信号当中区分出机械当自矿的故障特征信息,第三步是,通过故障特征的信息并参考已知的故障模式对其进行诊断。故障特征的提取和故障模式的识别是机械故障诊断过程中最为困难的地方。如果能明确十分有效的故障特征,那么就可以直接提高故障诊断的准确度和可靠度】。然而,随着信息处理技术的飞速发展,机械故障的诊断方法也不断的改进,传统的故障诊断十分依赖于专家的经验,人的因素的掺入使得诊断结果的准确度不高,因此随着哈尔滨理笱学硕学位论文
机械故障诊断技术现状神经网络国内外研究现状计算机辅助功能的开发和各种新型的科学理论的引入,使得智能诊断方法成为机械故障诊断的发展方向。人工智能诊断可以减少人的干预、提高自动化及自适应能力,大幅度的提高了诊断的准确性和获取诊断结论的速度。综上所述,为保证汽轮机组设备的稳定高效的运行,减少恶性事故的发生几率,保证人们正常生活工作的有序进行,对汽轮机故障诊断的研究和实践是十分必要的,