10.3969/j.issn.1008-1305.2023.09.018
基于RBF神经网络算法的水电站发电机组振动故障监测方法
常规的水电站发电机组振动故障监测多数采用自适应K-Means聚类方法原理,其振动故障监测范围有限,无法实现全面覆盖监测的目标,且误报率较高,监测精度较低.针对这一问题,文章引入RBF神经网络算法,提出了一种新的发电机组振动故障监测方法.首先,利用数据采集仪,采集水电站发电机组振动信号,并提取振动信号特征.其次,利用降噪算法,降噪处理水流与水轮发电机组接触产生的振动信号中的多余噪声.在此基础上,构建RBF神经网络结构,计算神经网络输出,正则化处理网络输出,获取振动故障监测结果.实验分析可知,利用提出的监测方法监测不同类型的发电机组振动故障,其误报率较低,监测结果精度得到了显著提高.
RBF神经网络算法、水电站、故障、发电机组、振动、监测
TP277(自动化技术及设备)
2023-09-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
68-71