基于小波神经网络的水电机组振动故障诊断研究

被引:29
作者
彭文季
罗兴锜
机构
[1] 西安理工大学水利水电学院
关键词
水电机组; 故障诊断; 频谱分析; 小波神经网络; 神经网络;
D O I
暂无
中图分类号
TV734 [机电设备];
学科分类号
081504 ;
摘要
提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。
引用
收藏
页码:123 / 128
页数:6
相关论文
共 11 条
[1]  
神经网络与应用.[M].董长虹编著;.国防工业出版社.2005,
[2]  
小波变换与工程应用.[M].彭玉华著;.科学出版社.1999,
[3]   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
[4]   基于小波网络的水轮发电机组自适应控制研究 [J].
廖忠 ;
沈祖诒 .
水力发电学报, 2005, (01) :118-121
[5]   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
[6]   小波神经网络及其在电力负荷预测中应用概述 [J].
张大海 ;
毕研秋 ;
邹贵彬 ;
江世芳 .
电力系统及其自动化学报, 2004, (04) :11-15+26
[7]   水力发电机组振动故障诊断系统中的信号预处理 [J].
梁武科 ;
罗兴锜 ;
张彦宁 ;
贾嵘 .
水力发电学报, 2003, (03) :114-120
[8]   基于信息融合的集成小波神经网络故障诊断 [J].
罗跃纲 ;
陈长征 ;
曾海泉 ;
闻邦椿 .
东北大学学报, 2002, (08) :802-805
[9]   BP神经网络在水轮发电机组状态监测与诊断系统中的应用 [J].
符向前 ;
刘光临 ;
蒋劲 .
武汉大学学报(工学版), 2002, (01) :24-28
[10]   水轮发电机组整机系统随机振动的直接谱分析 [J].
程保荣 ;
郑兆昌 ;
刘宏 ;
侯之超 ;
赵晓鹏 .
清华大学学报(自然科学版), 1999, (02) :87-90