基于证据理论的大型汽轮机组故障诊断方法研究
【摘要】：神经网络具有良好的非线性映射能力,而D-S证据理论在表达不确定性方面具有独特的优势,两种方法均在故障诊断领域得到了广泛的应用。本文基于BP神经网络、Elman神经网络和D-S证据理论,提出一种神经网络和D-S证据理论进行融合的方法。该方法使用D-S证据理论将BP神经网络和Elman神经网络的输出数据进行信息融合后对汽轮机组的故障类型进行判断。利用该方法,可以充分利用汽轮机组的故障征兆信息,减少故障诊断的不确定性。
本文从汽轮机组故障诊断实际出发,阐述了开展汽轮机组故障诊断研究的重要意义与目的,简要介绍了汽轮机组故障诊断技术的国内外发展现状以及目前应用于汽轮机组故障诊断的常用方法,系统地分析归纳了汽轮机组振动的机理、主要故障及其故障征兆、故障特征提取技术。
针对一种神经网络对汽轮机组进行故障诊断时诊断结果不确定性较高,本文利用网络分块技术对汽轮机组进行故障诊断,在讨论了BP网络和Elman网络基本原理的基础上,利用汽轮机组振动特征频谱归一化后的数据作为训练样本对BP网络和Elman网络进行训练,将其输出转变为信任度后作为D-S证据理的证据。然后采用D-S证据理论融合各子网络的诊断结果,从而得到最终诊断结论。
用MATLAB R2009b作为仿真平台,对神经网络和D-S证据理论相结合的故障诊断方法进行了仿真,将仿真结果与仅使用BP网络或Elman网络进行对比,可以验证本文提出的故障诊断方法有效降低了故障诊断的不确定性。最后对全文的主要工作进行了总结,指出了研究的不足和今后进一步研究的方向。
【学位授予单位】：河北工程大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TK268
|
|
|
|
| 1 |
刘俊,付敬奇,董新平;数据融合在目标识别中的应用[J];传感器技术;2001年06期 |
| 2 |
张建华,侯国莲,孙晓刚,袁桂丽;采用概率神经网络的汽轮机故障诊断方法[J];动力工程;2005年05期 |
| 3 |
周密;刘永葆;黄树红;贺星;;多层次信息融合技术在燃气轮机故障诊断中的应用[J];海军工程大学学报;2009年06期 |
| 4 |
宋立新,王玉华,李玲远;基于遗传算法和神经网络优化的故障诊断专家系统[J];华中师范大学学报(自然科学版);2005年03期 |
| 5 |
张晓丹,赵海,王刚,魏守智;基于信息融合的故障诊断模糊专家系统的应用[J];吉林大学学报(工学版);2004年01期 |
| 6 |
姚志宏;Kohonen网络在汽轮机振动故障诊断中的应用[J];汽轮机技术;2004年01期 |
| 7 |
张双全,袁晓辉;水电机组在线监测技术与故障诊断专家系统[J];水力发电;2003年07期 |
| 8 |
刘洪刚,吴建军,陈启智;基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断[J];推进技术;2003年03期 |
| 9 |
刘峰,杨晓萍,刘晓黎,贾嵘;基于神经网络的水轮发电机组振动故障诊断专家系统的研究[J];西安理工大学学报;2003年04期 |
| 10 |
林明星,付晨钟;基于神经网络的多传感器信息融合技术[J];新技术新工艺;1999年03期 |
|
|
|
|
|
| 1 |
李翠霞,于剑;一种模糊聚类算法归类的研究[J];北京交通大学学报;2005年02期 |
| 2 |
王少萍,王占林;液压泵故障诊断的神经网络方法[J];北京航空航天大学学报;1997年06期 |
| 3 |
倪国强,梁好臣;基于Dempster-Shafer证据理论的数据融合技术研究[J];北京理工大学学报;2001年05期 |
| 4 |
罗志增,蒋静坪;相关证据的融合及其在机器人多感觉信息融合中的应用[J];传感技术学报;2000年03期 |
| 5 |
金峰,蔡鹤皋;数据融合与传感器建模[J];传感器技术;1999年06期 |
| 6 |
王婷杰,施惠昌;一种基于模糊理论的一致性数据融合方法[J];传感器技术;1999年06期 |
| 7 |
刘俊,付敬奇,董新平;数据融合在目标识别中的应用[J];传感器技术;2001年06期 |
| 8 |
张彦铎,姜兴渭;多传感器信息融合及在智能故障诊断中的应用[J];传感器技术;1999年03期 |
| 9 |
敖凯军
,鲁浩
,吴剑秋;多传感器信息融合技术在发动机状态监控系统中的应用研究[J];传感器世界;2004年07期 |
| 10 |
杨帆,浦昭邦,庄严,赵玉刚;基于信息融合的滚动轴承故障诊断[J];轴承;2005年02期 |
|
手机打开
快捷付款方式
订购知网充值卡
订购热线
帮助中心