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-水利水电工程专业论文.docxVIP

摘要 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 学科名称： 水利水电工程 答辩日期： 论文作者： 刘 立 峰 签 名： 指导老师： 李郁侠（教授） 签 名： 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 i Abstract Research on fault diagnosis of Hydroelectric sets vibration based on neural network and evidence theory Subject: Hydroelectric Engineerin g Argument: Author: Liu Lifeng Signature: Advisor: Li Yuxia Signature: Abstract It is a very complex process for hydroelectric sets to vibrate. With the demand of the power supply quality improved together with the ‘self-service’ management pattern adopted by large medium hydroelectric power plant, it is important to insure hydropower unit stably by establishing monitoring and diagnosis system, Diagnosising its fault in early stage and finding out, eliminating system’s fault in time. Neural network possessed well in non-linear mapping, and D-S evidence theory has advantage over uncertainty, which are widely used in the filed of diagnosis. A new fault diagnosis method was put forward based on neural network and D-S evidence theory in the paper, which utilizes evidence theory, fused the output single network. Each network was regarded as e