基于PNN的水轮发电机组振动故障诊断

被引:11
作者
熊建秋
李祚泳
汪嘉杨
徐婷婷
机构
[1] 四川大学水电学院
[2] 成都信息工程学院环境工程系
[3] 成都信息工程学院环境工程系 四川成都成都信息工程学院环境工程系
[4] 四川成都
关键词
概率神经网络; 水轮发电机组; 振动; 故障诊断; 预测;
D O I
暂无
中图分类号
TV738 [养护、维修];
学科分类号
081504 ;
摘要
概率神经网络(PNN)是一种训练速度快、结构简洁明了、应用广泛的人工神经网络。它采用贝叶斯分类决策理论建立系统的数学模型,以高斯函数作为激励函数,具有非线性处理和抗干扰能力强等特点。提出基于PNN的水轮发电机组振动故障诊断方法,并在水轮发电机组振动频谱波形特征的基础上,对几种典型故障模式进行了实例研究。理论分析和实例结果验证了基于PNN的水轮发电机组振动故障诊断方法是正确和有效的。
引用
收藏
页码:55 / 57
页数:3
相关论文
共 6 条
[1]   信息融合技术在水轮发电机组故障诊断中的应用 [J].
杨晓萍 ;
南海鹏 ;
张江滨 .
水力发电学报, 2004, (06) :111-115
[2]   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
[3]   基于概率神经网络的故障诊断方法及应用 [J].
李冬辉 ;
刘浩 .
系统工程与电子技术, 2004, (07) :997-999
[4]   基于神经网络的水轮机调节控制器 [J].
齐学义 ;
伊长生 .
水力发电, 2004, (04) :45-47
[5]   基于LabVIEW和PXI技术的水电机组在线振动监测系统附视频 [J].
瞿曌 ;
赖旭 .
水力发电, 2004, (03) :40-42+69
[6]   水轮发电机组振动故障诊断的神经网络方法研究 [J].
杨晓萍 ;
解建宝 ;
孙超图 .
水利学报, 1998, (S1) :3-5