论文部分内容阅读
天然气发动机作为油田生产的重要动力设备之一,其故障往往会导致油田生产的瘫痪,造成巨大经济损失,因此如何对其进行及时准确的故障诊断成为重要研究课题。 本文对天然气发动机的故障诊断方法进行了研究,首先针对天然气发动机振动信号的非平稳时变特点,研究了故障信号和正常信号的时频域参数和小波包能量特征参数,采用了对天然气发动机诊断行之有效的小波包能量特征结合时域特征的特征提取方法。其次研究了多层前馈神经网络的BP算法,采用附加动量项和自适应调整学习速率法相结合的策略,克服了标准BP算法收敛速度慢和易陷入局部极小点的缺点。最后建立了基于小波包神经网络的天然气发动机故障诊断模型,用实例验证了该方法的有效性。研究结果表明,综合采用时域、小波包特征量,建立基于BP神经网络的天然气发动机故障诊断系统是可行的。