汽轮发电机多故障诊断的SOM神经网络方法.pdf

维普资讯 2005年 2月 重庆大学学报 (自然科学版) Feb．20o5 第28卷第2期 JournalofChongqingUniversity(NaturalScienceEdition) Vo1．28 No．2 文章编号：1000—582X(2005)02—0036—03 汽轮发 电机多故障诊断的SOM神经网络方法 张 彼 德 ，欧 健 ，孙 才 新 ，王 柯 柯 ，潘 凌 (1．西华大学 电气信息学院，成都 610039；2．重庆工学院 车辆工程学院，重庆 400050； 3．重庆大学 高电压与电工新技术教育部重点实验室，重庆 400030) 摘 要：汽轮发电机组的振动故障具有多样性的特点，经常出现多种故障同时发生的情况。传统的 BP神经网络方法可对单一故障有效诊断，若要对多故障进行诊断，则需对各种多故障样本进行学习，使 输入空间在训练过程 中被样本空间完全覆盖 ，将大大增加样本空间及学习训练负担 ，同时网络归纳、联 想能力随之大幅度下降，诊断难以实施。因此，将 自组织特征映射 (SOM)神经网络应用于汽轮发 电机 组的振动 多故障诊断，用单一故障样本对网络进行训练，根据输 出神经元在输出层的位置对 多故障进行 判断。经实例分析证明，该方法可对多故障进行有效诊断。 关键词 ：汽轮发 电机组；振动多故障；SOM神经网络 中图分类号 ：TM311 文献标识码：A 目前，在汽轮发电机组的故障诊断中，神经网络方 具有结构算法简单、无监督 自学习和侧向联想等功能， 面的应用研究主要集中在对单一故障的诊断：如文献 经故障实例验证可对汽轮发电机组的振动多故障进行 [1]建立了汽轮发电机组故障诊断的基于 BP算法的 有效诊断。 神经网络振动故障诊断模型 ，并对实际机组进行了现 1 SOM神经网络多故障诊断方法 场诊断。文献[2]建立了BP网络的FCNN模型，指出 该方法能够识别故障的有无 ，类别以及程度大小等。 1．1 SOM网络的结构 但汽轮发电机组的振动故障多种多样 ，且经常出现多 SOM人工神经 网络的结构如图 1所示。该 网络 故障同时发生的情况 ，仅仅对单一故障进行研究不 由输人层和输出层组成。其中输人层的神经元个数的 能满足故障诊断的要求。近几年，对多故障的诊断主 选取按输人网络的向量个数而定，输人神经元接收网 要是停留在传统 的多输人、多输 出的 BP神经网络诊 络的输人信号 ，输出层则是 由神经元按一定的方式排 断模型上。由于传统 BP网络的识别能力都是通过将 列成一个平面。输人层的神经元与输出层的神经元通 要识别的故障类型所对应的样本数据作为网络学习的 过权值相互联结在一起。当网络接收到外部的输人信 “知识来源”进行网络的训练 ，因此 ，这种网络诊断模 号以后 ，输出层的某个神经元便会兴奋起来 J。 型就只能识别所学习过的 “知识”类型，而不具备其它 知识的 “联想能力”。也就是说 ，如果所建立的故障诊 断网络模型是针对单一故障模式而言，那么它就不能 对多故障进行有效的诊断 』。如果要使其具有多发 故障的诊断能 ／1『，势必增加各种多故障的学习样本 ，使 输入空间在训练过程中被样本空间完全覆盖。显然， 这样不仅大大增加了样本空间的容量，也大大加重了 网络的学习训练负担。 因此，笔者提出将 自组织特征映射 (SOM)神经网 络应用于汽轮发电机组的振动多故障诊断中，该方法 图 1 SOM神经网络模型 · 收稿 日期 ：2004—10—15 基金项 目：重庆市应用基础研究资助项 目(7880) 作者简介 ：张彼德 (1975一)，男，河南唐河人 ，西华大学副教授 ．