学位论文 > 优秀研究生学位论文题录展示
基于变精度粗糙集与神经网络的水电机组振动故障诊断研究
作 者: 王荣荣
导 师: 梁武科;赵道利
学 校: 西安理工大学
专 业: 水利水电工程
关键词: 水电机组 变精度粗糙集 RBF神经网络 遗传算法 振动 故障诊断
分类号: TV738
类 型: 硕士论文
年 份: 2007年
下 载: 239次
引 用: 4次
阅 读: 论文下载
内容摘要
随着水电机组单机容量的增大和水电在电力系统中地位的日益突出,水电机组的稳定性对电力系统的安全运行越来越重要。而水电机组的振动是反映水电机组安全、稳定运行的重要指标,因此对机组振动故障的及时发现并诊断、排除故障,是保障水电机组安全稳定运行的重要措施。本文根据当前水电机组状态监测与故障诊断研究的现状和发展趋势,分别研究了基于变精度粗糙集理论(VPRS)、RBF神经网络的机组振动故障诊断方法,并进行了将两种方法相结合应用到水电机组振动故障诊断中的尝试。主要研究工作如下:分析和归纳了水电机组主要振动故障机理、故障特征和振动故障的识别方法。在总结粗糙集基本理论的基础上,讨论了粗糙集应用于水电机组故障诊断的数据约简和诊断规则的获取方法,侧重研究了基于遗传算法的变精度粗糙集属性约简方法,给出了水电机组振动故障诊断的算例,分析了该诊断方法的优缺点。介绍了故障诊断的神经网络方法,分析了RBF神经网络的结构和特点,研究了RBF神经网络应用于故障诊断的算法及其编程,并给出了其在水电机组故障诊断中的应用算例,分析了该方法的优缺点。通过对上述两种方法的类比分析,针对水电机组振动故障的复杂性和监测信息量大的特点,本文重点研究了基于变精度粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法,首先用变精度粗糙集对故障信息进行预处理,进而提取故障规则,然后用RBF神经网络对预处理后的故障信息进行诊断。该方法不仅充分发挥了粗糙集对知识的约简能力和神经网络优良的分类能力,而且克服了神经网络对冗余的知识和有用知识识别的局限性,有效地降低神经网络的输入信息空间维数,减小网络规模,还可以弥补粗糙集方法对输入信息中的噪声较敏感,抗干扰能力差的不足,进而达到提高诊断准确性的目的。最后通过算例的研究分析,证明了该诊断方法的有效性和优越性。
|
全文目录
摘要 3-4 Abstract 4-8 1 绪论 8-14 1.1 本课题研究的意义和目的 8-9 1.2 故障诊断技术的研究现状 9-13 1.2.1 故障诊断技术的发展 9-10 1.2.2 水电机组故障诊断技术的发展 10-13 1.3 本文研究的主要内容 13-14 2 水电机组振动故障理论 14-22 2.1 引言 14 2.2 水电机组振动故障的机理 14-18 2.2.1 水力因素 14-16 2.2.2 机械因素 16-17 2.2.3 电气因素 17-18 2.3 水电机组振动故障的主要特点 18-19 2.4 水电机组振动故障特征分析 19-20 2.5 水电机组振动故障的判别方法 20-21 2.6 本章小结 21-22 3 基于变精度粗糙集理论的故障诊断技术 22-42 3.1 粗糙集基本理论 23-25 3.1.1 知识与不可分辨关系 23-24 3.1.2 粗糙集 24-25 3.1.3 属性的依赖度 25 3.1.4 属性的重要性 25 3.2 变精度粗糙集模型 25-28 3.2.1 变精度粗糙集基本概念 25-28 3.2.2 变精度粗糙集的依赖度 28 3.2.3 变精度粗糙集的特点 28 3.3 粗糙集属性约简与核 28-31 3.3.1 经典粗糙集属性约简与核 29 3.3.2 变精度粗糙集属性约简与核 29-31 3.4 基于变精度粗糙集理论的故障诊断技术 31-37 3.4.1 粗糙集的数据预处理 32-34 3.4.2 属性约简 34-36 3.4.3 值约简 36-37 3.4.4 诊断规则提取 37 3.5 算例分析 37-40 3.6 本章小结 40-42 4 RBF神经网络智能诊断技术 42-52 4.1 引言 42-43 4.2 RBF神经网络 43-48 4.2.1 RBF神经元模型 43-44 4.2.2 RBF神经网络的结构 44-45 4.2.3 RBF网络的学习算法 45-47 4.2.4 RBF神经网络的特点 47-48 4.3 基于MATLAB的RBF网络的设计 48-49 4.4 RBF神经网络在故障诊断中的应用 49 4.5 算例分析 49-51 4.6 本章小结 51-52 5 变精度粗糙集与神经网络结合的故障诊断方法 52-61 5.1 引言 52-53 5.2 粗糙集与神经网络的结合方法 53-54 5.2.1 粗糙集理论和神经网络的差别 53 5.2.2 粗糙集理论和神经网络的结合方法 53-54 5.3 变精度粗糙集和RBF神经网络结合的故障诊断方法 54-55 5.3.1 变精度粗糙集-RBF神经网络故障诊断法的特点 54-55 5.3.2 变精度粗糙集-RBF神经网络故障诊断法的实现 55 5.4 算例1 55-58 5.5 算例2 58-60 5.6 本章小结 60-61 6 结论与展望 61-63 6.1 结论 61 6.2 展望 61-63 致谢 63-64 参考文献 64-67 在校学习期间发表的论文 67
|
相似论文
- 基于WinCE平台的故障分析仪应用程序设计与开发,TP311.52
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 复合超声振动拉丝的理论与实验研究,TG663
- 八作动器隔振平台的六自由度容错控制研究,TB535.1
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 轨道交通引起周围环境竖向振动的振源特性分析,U211.3
- 基于LIN总线的电动车窗控制方法研究,U463.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 径向振动模式压电变压器的等效电路模型与应用,TM406
- 基于支持向量机的故障诊断方法研究,TP18
- 三容水箱系统故障诊断算法研究,TP277
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 水上交通安全保障系统的关键技术研究,U698
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 蒸汽管路系统结构振动研究,TK284.1
中图分类: > 工业技术 > 水利工程 > 水能利用、水电站工程 > 水电站建筑与设备 > 养护、维修
© 2012 www.xueweilunwen.com
|