基于神经网络技术的水轮发电机组轴心轨迹识别与故障判定研究

轴心轨迹图形包含了丰富的机组运行状态信息,轴心轨迹识别是判断水轮发电机组轴系故障的重要技术手段;神经网络技术是一种通过计算机程序模拟人类大脑结构功能的智能化技术思想,具有自学习的优点。本文首次提出采用神经网络技术通过仿射不变矩算法计算出特征向量,以特征向量作为数据分类依据识别轴心轨迹图形,从而达到故障判定的目标。数值模拟测试结果表明,该技术的故障识别率能达到95%以上,证明基于神经网络技术的水轮发电机组轴心轨迹识别算法对于机组故障诊断具有重要价值。     

基于改进不变矩的发电机组轴心轨迹识别

在发电机组状态检修系统中,转轴轴心轨迹是诊断机组状态的一个重要特征。Hu氏不变矩是图形图像识别中的重要工具。详细分析了离散状态下的Hu氏不变矩应用的局限性,提出了改进方法,并对发电机组发生故障时几类典型轴心轨迹的自动识别进行了仿真试验,结果表明该方法有效、简单可行。     

基于鱼群算法与有导师神经网络的轴心轨迹智能识别

利用图像领域Canny算子和Hu不变矩代替人眼识别轴心轨迹,运用人工鱼群精简冗余数据,采用PNN进行故障分类,实现计算机智能识别分类机组故障。本文证实了此种识别方法比传统神经网络识别有更高的识别精度和效率。     

基于模糊聚类的水电机组轴心轨迹多重分形特征识别

本文应用多重分形特征谱来描述水电机组轴心轨迹图形特征,结合常见水电机组轴心轨迹形状探讨了轴心轨迹多重分形谱特征提取实现方法;利用模糊C-均值聚类方法对多种故障的轴心轨迹多重分形特征值进行了聚类识别,其结果表明该方法可在多轴心轨迹样本情况下达到很好的分类识别,符合水电机组智能诊断的需要。     

基于小波及神经网络的汽轮发电机组故障诊断方法研究

汽轮发电机组的轴心轨迹包含丰富的反映其运行状态的信息,但由于各种噪声的干扰,实测的轴心轨迹往往非常混乱,以致难以从中获得有用的信息。利用小波及小波包分解与重建可达到消噪的目的,取得良好的效果,同时根据转子轴心轨迹的特点,提出一种利用平面图形不变矩进行识别的方法,可有效提取旋转机械轴心轨迹特征,为轴心轨迹神经网络识别系统提供准确的输入变元,提高了故障诊断专家系统的自动诊断水平及准确率。     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

基于灰色理论与不变性矩的水电机组轴心轨迹自动识别

在水电机组状态监测与诊断系统中,轴心轨迹是诊断机组状态的一个重要特征。文中 运用灰色系统理论的关联度分析方法,利用不变性矩作为特征向量,对水轮发电机组轴心轨 迹的自动识别进行了探讨。详细介绍了方法的原理和实际应用步骤,对3类典型的轴心轨迹 的自动识别进行了仿真试验,结果表明,该法是有效、可行的。     

基于混合蜂群算法特征参数同步优化支持向量机的水电机组轴心轨迹识别方法研究

在水电机组轴心轨迹识别研究中,为解决传统支持向量机方法中特征参数无法自适应选择而导致分类性能不高、计算时间过长等问题,提出混合人工蜜蜂群算法特征参数同步优化支持向量机（HABC-SVM）的轴心轨迹识别方法。将人工蜜蜂群算法引入到支持向量机识别优化模型的求解中,对人工蜜蜂群从搜索策略、蜜源编码、更新策略等方面进行了改进。通过仿真试验获取水电机组的四类典型轴心轨迹样本,对轴心轨迹中提取的19种特征参数和支持向量机参数进行了同步优化,将改进HABC算法与PSO-SVM算法和GA-SVM算法进行了对比。研究结果表     

基于三维不变线矩的发电机组导轴承三维轴心轨迹故障识别

现有的基于仿射不变矩的轴心轨迹分类方法仅支持对二维轴心轨迹的形状进行分类,不能对三维轴心轨迹进行分类。本文首先引入了一种基于特征点之间距离的均值和方差来进行分类性能评价的矩阵,验证了给出的三维不变线矩对同一形状的轴心轨迹保持仿射变换的不变性,并使用Quadratic SVM实现了对三维轴心轨迹和二维轴心轨迹的分类。数值实验表明,所提出的三维不变矩和SVM结合的方法能够有效对不同形状的轴心轨迹故障进行分类。     

基于SVD的水电机组轴心轨迹自动识别

在水电机组状态检修系统中，轴心轨迹是诊断机组状态的一个重要特征。文中采用矩阵的奇异值分解（SVD）方法，利用奇异特征值作为特征向量，采取最邻近法对水轮发电机组轴心轨迹的自动识别进行了研究。介绍了方法的原理，并对几类典型的轴心轨迹的自动识别进行了仿真实验，结果表明该方法是有效、简单和可行的。