基于小波包和GA-LM-BP神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)故障診斷.pdf

《基于小波包和GA-LM-BP神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)故障診斷.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于小波包和GA—LM—BP神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)故障診斷TurhinefaultdiagnosisbasedonwaveletpacketandGA-LM-BPneuralnetwork焦圣喜，遲警，李婉珍JlA0Sheng．xi，CHIJing，LIWan—zhen(東北電力大學(xué)自動(dòng)化工程學(xué)院，吉林132012)摘要：對火電廠汽輪機(jī)轉(zhuǎn)子常見的各類振動(dòng)故障進(jìn)行識別與診斷，可以及時(shí)發(fā)現(xiàn)故障并進(jìn)行維修與預(yù)防。在傳統(tǒng)故障診斷的基礎(chǔ)上，采用基于Shannon熵的最優(yōu)小波包基降噪算法對原始故障信號進(jìn)行去噪，利用“小波包一能量法”提取信號不同頻段能量構(gòu)造不同故障征兆表，并對故

2、障特征量采用GA改進(jìn)的LM—BP優(yōu)化算法進(jìn)行訓(xùn)l練與識別。結(jié)果表明最優(yōu)小波包基降噪效果優(yōu)于硬閾值去噪，改進(jìn)后的GA-LM-BP神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)轉(zhuǎn)子振動(dòng)故障診斷精度和速度上均具有明顯的改善。關(guān)鍵詞：識別與診斷；最優(yōu)小波包基；小波包一能量法；GA—LM—BP神經(jīng)網(wǎng)絡(luò)中田分類號tTK268．+1文獻(xiàn)標(biāo)識碼：A文章編號：1009—0134(2015)08(上)一0109—05Doil10．3969／J．Issn．1009-0134．2015．o8(上)．32O引言記x={X。l為空間v的一個(gè)向量，其一個(gè)正交基設(shè)為B，x在B下的系數(shù)為B。在X∈V中，如果M(B)最小，旋

3、轉(zhuǎn)機(jī)械是電力、石化、冶金、等行業(yè)廣泛使用的那么B是最優(yōu)基【3】。采用信號分析中白噪聲的Blocks信號關(guān)鍵設(shè)備】。汽輪機(jī)轉(zhuǎn)子是火電廠中的重要旋轉(zhuǎn)設(shè)備，作為原始信號，利用小波包變換，分別對Donoh硬閾值消如果600MW的汽輪機(jī)轉(zhuǎn)子發(fā)生振動(dòng)故障使轉(zhuǎn)子停轉(zhuǎn)48噪算法與本文提出的降噪方法進(jìn)行對比。信號的最優(yōu)小小時(shí)，其經(jīng)濟(jì)損失將達(dá)到上千萬元。采取合理的措波包基如圖1所示。施，對汽輪機(jī)轉(zhuǎn)子故障進(jìn)行預(yù)防就顯得格外重要。汽輪機(jī)轉(zhuǎn)子振動(dòng)信號能體現(xiàn)出大量轉(zhuǎn)子運(yùn)行的狀態(tài)信息，對轉(zhuǎn)子振動(dòng)信號進(jìn)行研究能夠了解產(chǎn)生故障的機(jī)理，并可提取出故障特征，從而達(dá)到對機(jī)組振動(dòng)故障診斷的目的。1振動(dòng)

4、信號的預(yù)處理本文采用南京中大趨勢測控設(shè)備有限公司生產(chǎn)的CUT．2轉(zhuǎn)子振動(dòng)試驗(yàn)臺對相關(guān)故障信號進(jìn)行模擬，應(yīng)用快速傅立葉變換(FFT)對模擬信號進(jìn)行頻譜分析。傳統(tǒng)的硬閾值小波消噪方法對小波系數(shù)的壓縮是不連續(xù)的，Shannon熵的最優(yōu)小波包基降噪法可以充分克服硬閾值小波降噪中不連續(xù)性的缺點(diǎn)。圖1含噪blocks信號的最優(yōu)小波包基信號x(c)的小波包分解是把x(t)映射到小波包基上，得到一組系數(shù)d。，并用這一組系數(shù)表示信號x(t)的特去噪結(jié)果如圖2所示，從上至下依次為初始信號、征。運(yùn)用最優(yōu)小波包基對初始信號進(jìn)行分解，分解結(jié)果傳統(tǒng)硬閾值降噪信號、最優(yōu)小波包基降噪信號。由

5、圖中可使初始信號的信息損失達(dá)到最小。定義信號的代價(jià)函的平滑度參數(shù)值可見，最優(yōu)小波包基分解結(jié)合特定頻段數(shù)如下：閾值選取算法比傳統(tǒng)Donoho硬閾值降噪算法具有顯著優(yōu)勢。M(x)=一plgp(1)ijj采用上述降噪方法對實(shí)驗(yàn)得到的一組模擬汽輪機(jī)振動(dòng)信號進(jìn)行降噪預(yù)處理，如圖3所示，依次為轉(zhuǎn)子不平lI其中p=告I，且P=0時(shí)，Plgp=0。衡、不對中、油膜振蕩、蒸汽渦動(dòng)、軸承座松動(dòng)、轉(zhuǎn)子徑向磨碰和正常態(tài)七種信號去噪后波形圖。敢■日囊：2015-03-30作者葺介：焦圣喜(1969一)，男，副教授，博士，研究方向?yàn)闄C(jī)器人技術(shù)和智能檢測技術(shù)。第37卷第8期2015-08(

6、上)[1091重§譬譬囂黢中凳篙莩蓑；曇釜輩篙力來優(yōu)化IM．BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)僵嘲但’從毿閥Co)LM-BP算法．oBP神經(jīng)網(wǎng)絡(luò)連接通道的連培婀弩篆四囂鼉重l的連接閾值、囂以及輸出層神曩經(jīng)兀間的恁殘嘲但。米茗；的編碼與連接權(quán)值映射關(guān)系通常為：：，，．．B，丑：B?，

7、i=1，2，3?M}(6)遺連續(xù)、非負(fù)數(shù)并且最大化。因此議計(jì)具遙廈幽裂從圖7中可以看出，同樣的收斂精度的情況GA?．輸疊出萋夏總數(shù)，M為遺傳種群的規(guī)模大小，Pc為父義孕’璧蓑薔塞妻法要低一個(gè)數(shù)量級，更加驗(yàn)證了囂基于GA吸垅LM’D搴器萎唐善蓑啪募毳GA改進(jìn)的LM網(wǎng)絡(luò)模型的誤差修止囂鑠苗藿1’w—

8、—?_-=———●————診斷結(jié)果L-BP2不平衡o．0042o．00210．97竺4不對中0．00230．9979‘0．0028正5油膜振蕩0．00660．99240‘996油膜振蕩o．oo430．993l0·9929重量7蒸汽渦動(dòng)1．0052-o．olo9_0．008蒸汽渦動(dòng)o．99910．00460·o0ol9軸承座松動(dòng)1．0157—0．00671．0027正確1o軸承座松動(dòng)1．0059o．o1o2·oo3：-．-g：z=~=n轉(zhuǎn)子磨碰o．9925o．9981o·0o4312．00080．9993．002?99凹13ta)單純彈性改進(jìn)的BP法14正善常態(tài)

9、。0．9!!簍!：!：：：!!——墨[