10.3969/j.issn.1006-9348.2011.06.077
神经网络对水电机组振动故障的应用研究
研究水电机组振动故障问题.由于引起水电机组故障原因十分复杂,且监测数据量大、冗余信息严重,采用传统的RBF神经网络对水电机组故障进行诊断,存在RBF网络结构复杂、训练时间长和诊断准确率低等缺陷.为了提高故障诊断的准确性,提出一种主成分分析和RBF神经网络相结合的水电机组故障诊断方法.首先用主成分分析方法对故障信息进行预处理,消除无用和冗余的信息,然后采用RBF神经网络对预处理后的故障信息进行训练和诊断,从而减少RBF神经网络的规模,简化网络结构,加快故障诊断速度.借用某电站实测机组数据进行仿真,结果表明,本文算法不仅很好地克服了传统RBF神经网络的不足,而且有效地提高了水电机组故障诊断准确性和效率,结果证明本文提出的水电机组故障诊断方法的有效性和优越性.
神经网络、水电机组、主成分分析、故障诊断
28
TM743(输配电工程、电力网及电力系统)
2011-10-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
312-315