论文部分内容阅读
将本文根据某一电厂中的汽轮机出现的一般的故障，引入要研究的对象，那就是对机器的振动故障的诊断分析，找出解决故障的方法，接下来利用小波包能量法进行特征矢量的选择，并将神经网络技术运用于汽轮机的振动故障实践中，以Matlab软件为基础，运用到电厂的汽轮机振动诊断当中。Matlab；汽轮机；振动故障；诊断
Matlab软件主要用于数值的计算以及进行系统仿真。主要特征有运算语言基本和数学语言保持一致，以矩阵作为基本运算单元，将各种运算操作罗列其中，功能强大；拥有完善的绘图能力，能够进行编程和可视化运算；还备有很多能够满足较多学科领域使用的工具箱，还利用了人工神经网络知识，创造了很多像线性以及非线性等一系列计算函数，也给出了对网络权值的改动要求，进行网络上的练习，满足使用人员的各种需求，根据实际的参数和所给条件寻找满足要求的工具箱，更好的对神经网络进行合适设计。
Matlab在汽轮机故障诊断中的运用
a网络结构及参数选取
选择其输入元汽轮机一般9带出现的故障特征，即输入数9元选择；选择网络隐藏层个数是10个样本的输入，输入层单元有9个，所以他们只能9 ×10矩阵，所以选择隐层只有10，然后根据过程来确定网络训练过程相比，选择网络输出10元的样本的原因问题，因此BP网络的输出10元。网络训练样本提取处理现场采样信号的主要来源的汽轮机故障样本用于训练网络；得出样本的输出目标，输入和I / o工人神经网络结合的形式，并使故障模式类型和映射关系的失败的原因。
基于人工神经网络的汽轮机故障诊断系统
a系统概况
Matlab算法和仿真能力很强，但要求其在Matlab的工作环境。因此，为了方便使用，它将直接使用信息技术的应用在环境应用数据库管理功能是人工神经网络的基础上获得形状好汽轮机故障诊断系统。主要输入，神经网络数据库、操作专家系统的数据库模块和输出模块，然后由系统获得的exe文件直接在Windows系统中运行。
在操作的过程中，软件应该建立它的第一个人工神经网络：输入从人工神经网络的结构参数、单元类型的数量，分别为输入、隐层和输出层三层，输入层、隐藏层，隐藏层和输出层之间的权值。Matlab系统后上面的值是指所有检查和输入一个接一个，即使命名成功建立了良好的人工神经网络。
bBP网络的结构设计
使用人工神经网络诊断故障时，应该知道和理解BP网络的结构。测量系统故障点输入网络节点的最低要求，定义节点的输入也可以，当然，适当的治疗和重用方法获取数据的测量数据。结合网络输出节点应该区分类型的失效模式来确定它的输出节点数，系统如果没有原因和故障（N）状态两个点方法，其输出节点数应该为N + 1。失败的故障诊断的人工神经网络只会有培训目标表明，输出节点的“1”，显示“0”代表其无故障。和在选择网络隐层神经元数m是相对困难，m值较大的事故会发生，所以网络连接权重数增加，反过来，导致他们的训练难度，太小，会使其精度是不准确的。因此，在开始阶段的学习网络设置最佳数量的隐层神经元数量的输入节点和网络几乎一致，没有很大的区别，这有利于学习网络调整的过程中是很容易的。
汽轮机故障特征的提取
准确的现象是由于机器无法提取故障特征的数据，或者人们使用更少的等待识别的故障信息。所以应该首先提取建立故障诊断系统在机器前面的故障信息反映了样本的特征，这是主要的故障诊断基础数据。汽轮机一般的机械振动故障：错了，动态不平衡，油膜，气动夫妇，转子径向磨削。轴承座松动，飙升，从松散的轴承刚度、共生和推力轴承损伤10种失败。检测故障信号的提取，当汽轮机涡在每个测点的振动传感信息，针对不同形式的统计分析使用频谱能量谱或小波包技术，提取故障信号的频谱结构，添加一个可以反映故障的特征向量模式样本。其故障模式特征值从每个频带的信号频谱能量分布值，使人工神经网络训练样本内容可以产生，然后网上培训。
运行结果
使用安操作后的输出输入的数据结构可以在专家数据库，将会有一个“系统诊断结果失败，非常抱歉，请确认输入数据的错误，然后找出问题的原因，最后再次样本训练”。
分析失败的原因，数据后安的Matlab环境培训已经完成，样品，然后新的人工神经网络类似的故障检测，将结果。进行定期培训和诊断系统可以扩大系统的使用范圍和精度，并提高人工神经网络的优势，更好地为我们服务。
结语
实际检测到的数据网络诊断结果显示，汽轮机组的振动故障诊断方法的一个发电厂可以利用故障分类。还有可以将小波与神经网络一起作为故障诊断的一种方法，这样的效果会更好。实践也证明了，Matlab设计汽轮机振动故障诊断识别的基础上，有一个相对简单的操作方法，一般电厂员工的青睐，因此，工程实用价值很高。
参考：
[1]杨王波.汽轮机故障诊断技术探讨[J].机电信息.2014（15）
[2]苏昭锋.汽油机的故障诊断技巧[J].湖南农机.2011（09）
[3]程卫国，傅志中，陆文华，钱安家.MATLAB在汽轮机振动故障诊断中的应用[J].动力工程.2005（01）
[4]李录平编著.汽轮机组故障诊断技术[M].中国电力出版社，2002
[5]MATLAB中文论坛，编著.MATLAB神经网络30个案例分析[M].北京航空航天大学出版社，2010
Matlab软件主要用于数值的计算以及进行系统仿真。主要特征有运算语言基本和数学语言保持一致，以矩阵作为基本运算单元，将各种运算操作罗列其中，功能强大；拥有完善的绘图能力，能够进行编程和可视化运算；还备有很多能够满足较多学科领域使用的工具箱，还利用了人工神经网络知识，创造了很多像线性以及非线性等一系列计算函数，也给出了对网络权值的改动要求，进行网络上的练习，满足使用人员的各种需求，根据实际的参数和所给条件寻找满足要求的工具箱，更好的对神经网络进行合适设计。
Matlab在汽轮机故障诊断中的运用
a网络结构及参数选取
选择其输入元汽轮机一般9带出现的故障特征，即输入数9元选择；选择网络隐藏层个数是10个样本的输入，输入层单元有9个，所以他们只能9 ×10矩阵，所以选择隐层只有10，然后根据过程来确定网络训练过程相比，选择网络输出10元的样本的原因问题，因此BP网络的输出10元。网络训练样本提取处理现场采样信号的主要来源的汽轮机故障样本用于训练网络；得出样本的输出目标，输入和I / o工人神经网络结合的形式，并使故障模式类型和映射关系的失败的原因。
基于人工神经网络的汽轮机故障诊断系统
a系统概况
Matlab算法和仿真能力很强，但要求其在Matlab的工作环境。因此，为了方便使用，它将直接使用信息技术的应用在环境应用数据库管理功能是人工神经网络的基础上获得形状好汽轮机故障诊断系统。主要输入，神经网络数据库、操作专家系统的数据库模块和输出模块，然后由系统获得的exe文件直接在Windows系统中运行。
在操作的过程中，软件应该建立它的第一个人工神经网络：输入从人工神经网络的结构参数、单元类型的数量，分别为输入、隐层和输出层三层，输入层、隐藏层，隐藏层和输出层之间的权值。Matlab系统后上面的值是指所有检查和输入一个接一个，即使命名成功建立了良好的人工神经网络。
bBP网络的结构设计
使用人工神经网络诊断故障时，应该知道和理解BP网络的结构。测量系统故障点输入网络节点的最低要求，定义节点的输入也可以，当然，适当的治疗和重用方法获取数据的测量数据。结合网络输出节点应该区分类型的失效模式来确定它的输出节点数，系统如果没有原因和故障（N）状态两个点方法，其输出节点数应该为N + 1。失败的故障诊断的人工神经网络只会有培训目标表明，输出节点的“1”，显示“0”代表其无故障。和在选择网络隐层神经元数m是相对困难，m值较大的事故会发生，所以网络连接权重数增加，反过来，导致他们的训练难度，太小，会使其精度是不准确的。因此，在开始阶段的学习网络设置最佳数量的隐层神经元数量的输入节点和网络几乎一致，没有很大的区别，这有利于学习网络调整的过程中是很容易的。
汽轮机故障特征的提取
准确的现象是由于机器无法提取故障特征的数据，或者人们使用更少的等待识别的故障信息。所以应该首先提取建立故障诊断系统在机器前面的故障信息反映了样本的特征，这是主要的故障诊断基础数据。汽轮机一般的机械振动故障：错了，动态不平衡，油膜，气动夫妇，转子径向磨削。轴承座松动，飙升，从松散的轴承刚度、共生和推力轴承损伤10种失败。检测故障信号的提取，当汽轮机涡在每个测点的振动传感信息，针对不同形式的统计分析使用频谱能量谱或小波包技术，提取故障信号的频谱结构，添加一个可以反映故障的特征向量模式样本。其故障模式特征值从每个频带的信号频谱能量分布值，使人工神经网络训练样本内容可以产生，然后网上培训。
运行结果
使用安操作后的输出输入的数据结构可以在专家数据库，将会有一个“系统诊断结果失败，非常抱歉，请确认输入数据的错误，然后找出问题的原因，最后再次样本训练”。
分析失败的原因，数据后安的Matlab环境培训已经完成，样品，然后新的人工神经网络类似的故障检测，将结果。进行定期培训和诊断系统可以扩大系统的使用范圍和精度，并提高人工神经网络的优势，更好地为我们服务。
结语
实际检测到的数据网络诊断结果显示，汽轮机组的振动故障诊断方法的一个发电厂可以利用故障分类。还有可以将小波与神经网络一起作为故障诊断的一种方法，这样的效果会更好。实践也证明了，Matlab设计汽轮机振动故障诊断识别的基础上，有一个相对简单的操作方法，一般电厂员工的青睐，因此，工程实用价值很高。
参考：
[1]杨王波.汽轮机故障诊断技术探讨[J].机电信息.2014（15）
[2]苏昭锋.汽油机的故障诊断技巧[J].湖南农机.2011（09）
[3]程卫国，傅志中，陆文华，钱安家.MATLAB在汽轮机振动故障诊断中的应用[J].动力工程.2005（01）
[4]李录平编著.汽轮机组故障诊断技术[M].中国电力出版社，2002
[5]MATLAB中文论坛，编著.MATLAB神经网络30个案例分析[M].北京航空航天大学出版社，2010