基于QPSO-BP和改进D-S的水电机组振动故障诊断

被引：6

作者：

程加堂

段志梅

艾莉

熊燕

机构：

[1] 红河学院工学院

来源：

电力系统保护与控制 | 2015年 / 43卷 / 19期

关键词：

水电机组; 振动; 故障诊断; 量子粒子群优化BP神经网络; 改进D-S证据理论;

D O I：

暂无

中图分类号：

TV738 [养护、维修];

学科分类号：

081504 ;

摘要：

为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。

引用

收藏

页码：66 / 71

页数：6

相关论文

共 17 条

[1] 基于改进D-S的水电机组集成故障诊断研究 [J].

程加堂 ;

艾莉 ;

段志梅 ;

熊燕 .

水力发电学报, 2014, 33 (05) :216-220

[2] 基于多重分形谱和改进BP神经网络的水电机组振动故障诊断研究 [J].

郭鹏程 ;

孙龙刚 ;

李辉 ;

罗兴锜 .

水力发电学报, 2014, 33 (03) :299-305

[3] 基于径向基多小波神经网络的水电机组故障诊断 [J].

卢娜 ;

肖志怀 ;

曾洪涛 ;

符向前 .

武汉大学学报(工学版), 2014, 47 (03) :388-393

[4] 基于相容系数的冲突证据合成方法及评价准则 [J].

朱友清 ;

周石琳 ;

邹焕新 .

系统工程与电子技术, 2014, 36 (06) :1118-1123

[5] 基于多分类相关向量机的水电机组振动故障诊断 [J].

易辉 ;

梅磊 ;

李丽娟 ;

刘宇芳 ;

袁宇浩 .

中国电机工程学报, 2014, 34 (17) :2843-2850

[6] 基于混合蜂群算法特征参数同步优化支持向量机的水电机组轴心轨迹识别方法研究 [J].

肖剑 ;

周建中 ;

李超顺 ;

王常青 ;

张孝远 ;

肖汉 .

电力系统保护与控制, 2013, 41 (21) :26-32

[7] 改进证据理论与神经网络集成的变压器故障诊断 [J].

程加堂 ;

艾莉 ;

段志梅 .

电力系统保护与控制, 2013, 41 (14) :92-96

[8] 基于Choquet模糊积分的水电机组振动故障诊断 [J].

张彼德 ;

田源 ;

邹江平 ;

刘秀峰 ;

吴华丰 ;

隆力 .

振动与冲击, 2013, 32 (12) :61-66

[9] 基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测 [J].

陈道君 ;

龚庆武 ;

金朝意 ;

张静 ;

王定美 .

电网技术, 2013, 37 (04) :974-980

[10] 基于混沌DNA遗传算法与PSO组合优化的RNN短期风电功率预测 [J].

周洪煜 ;

曾济贫 ;

王照阳 ;

赵乾 .

电力系统保护与控制, 2013, 41 (02) :144-149