基于粒子群优化神经网络的水轮机振动故障诊断

被引：9

作者：

黄戈 ^{[1
]}

崔建武 ^{[2
]}

陈晓芸 ^{[1
]}

贾嵘 ^{[1
]}

机构：

[1] 西安理工大学电力工程系

[2] 中国水电顾问集团西北勘测设计研究院

来源：

电网与清洁能源 | 2009年 / 25卷 / 04期

关键词：

水轮机; 振动故障诊断; 粒子群; 神经网络;

D O I：

暂无

中图分类号：

TM312 [水轮发电机];

学科分类号：

摘要：

为了提高水轮机振动故障诊断正判率,提出粒子群算法优化BP神经网络的水轮机振动故障诊断方法,即把通过特征提取获得的机组故障特征量作为神经网络的输入,然后利用训练好的粒子群算法优化后的神经网络进行水轮机振动故障类型诊断。诊断结果表明,该方法具有良好的分类效果,比BP神经网络诊断模型诊断精度高。

引用

页码：54 / 57

页数：4

共 9 条

[1] 基于神经网络的水轮发电机组振动故障诊断专家系统 [J].

贾嵘 ;

白亮 ;

罗兴锜 ;

刘峰 .

水力发电学报, 2004, (06) :120-123

[2] 微粒群算法综述 [J].

谢晓锋 ;

张文俊 ;

杨之廉 .

控制与决策, 2003, (02) :129-134

[3] 基于改进GA-BP混合算法的电力变压器故障诊断 [J].

王少芳 ;

蔡金锭 ;

刘庆珍 .

电网技术, 2004, (04) :30-33

[4] 水电机组振动监测与故障诊断系统研究 [J].

陈遗志 ;

周建中 ;

常黎 .

电力系统及其自动化学报, 2002, (02) :35-38

[5] 基于小波神经网络的传感器故障诊断方法研究 [J].

李冬辉 ;

周巍巍 .

电工技术学报, 2005, (05) :49-52

[6] GA-BP混合算法在变压器色谱诊断法中的应用 [J].

王少芳 ;

蔡金锭 .

高电压技术, 2003, (07) :3-6

[7]

神经网络与应用[M]. 国防工业出版社 , 董长虹编著, 2005

[8]

A Modified Particle Swarm Optimizer. SHI Yu-hui,EBERHART R. Proc.IEEE Int Conf.on Evolutionary Computation . 1998

[9]

Generating units aggregation for dynamic equivalent of large power systems. Ourari, M.L,Dessaint, L.A,Do, V.Q. Power Engineering Society General Meeting . 2004

← 1 →