基于神经网络的水轮发电机组振动故障诊断专家系统的研究

被引：9

作者：

刘峰

杨晓萍

刘晓黎

贾嵘

机构：

[1] 西安理工大学水利水电学院

[2] 西安理工大学水利水电学院陕西西安

[3] 陕西西安

[4] 甘肃河西水电发展有限责任公司

[5] 陕西西安

来源：

西安理工大学学报 | 2003年 / 04期

关键词：

专家系统; 神经网络; 水轮发电机组; 振动; 故障诊断;

D O I：

10.19322/j.cnki.issn.1006-4710.2003.04.018

中图分类号：

TP182 [专家系统、知识工程];

学科分类号：

1111 ;

摘要：

针对神经网络的缺陷和水轮发电机组振动故障原因多、征兆多的特点,利用网络分块技术,把BP网络规模控制在可以接受的范围内,并将专家系统与神经网络相结合,较好地解决了知识获取和自学习的问题。通过实例验证,该网络模型能有效地分离各种故障类型,在水轮发电机组振动故障诊断中具有一定的诊断能力。

引用

页码：372 / 376

页数：5

共 6 条

[1] 基于专家系统与神经网络集成的故障诊断的应用研究 [J].

徐玉秀 ;

邢刚 ;

原培新 .

振动与冲击, 2001, (01) :43-45+97

[2] 水轮发电机组振动故障诊断与识别 [J].

沈东 ;

褚福涛 ;

陈思 .

水动力学研究与进展(A辑), 2000, (01) :129-133

[3] 基于多神经网络协同推理的故障诊断系统的研制 [J].

何耀华 ;

韩守木 ;

程尚模 .

中国电机工程学报, 1999, (12) :58-61+76

[4] 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

[5]

混流式机组水力振动研究与破坏原因分析.[D].贺梅.西安理工大学.2000, 01

[6] A neural network and fuzzy rule base hybrid for pattern classification [J].

V. Ravi ;

H.-J. Zimmermann .

Soft Computing, 2001, 5 (2) :152-159

← 1 →