汽轮发电机组故障诊断的复合式进化网络

提出了一种复合式神经网络结构,并用于大型汽轮发电机组的故障诊断。该神经网络集成一系列的ＢＰ网络,来完成故障分类任务。每个ＢＰ子网络只有一个输出结点并对应于一种特定的状态。子网络的权值通过基因算法进行确定,从而使训练过程可以实时进行。通过这种方法不仅可以对已知故障进行分类,而且可以对存在的新的故障进行识别。一种基于这种结构的实用诊断系统已经投入使用。     

汽轮发电机组故障诊断的复合式进化网络

提出了一种复合式神经网络结构,并用于大型汽轮发电机组的故障诊断．该神经网络集成一系列的ＢＰ网络,来完成故障分类任务．每个ＢＰ子网络只有一个输出结点并对应于一种特定的状态．子网络的权值通过基因算法进化确定,从而使训练过程可以实时进行．通过这种方法不仅可以对已知故障进行分类,而且可以对存在的新的故障进行识别．一种基于这种结构的实用诊断系统已经投入使用．     

汽轮发电机组叶片振动对轴系扭转振动的影响

在使用传递矩阵法进行轴系扭振特性计算以及使用振型叠加法进行扭振响应计算过程中，提出了叶片切向振动的影响计算方法，并针对某电厂300MW机组轴系进行了这种影响计算分析.     

基于特征的机械设备状态趋势预报

提出了机械设备故障严重度的概念;给出了故障严重度的两种计算方法,一种是基于单一特征指标的计算方法,一种是基于多特征指标的计算方法．将故障严重度作为一个综合指标来预报机械故障的变化趋势．给出了基于特征的神经网络故障趋势预报模型和网络训练样本的构造方法,并用实例验证了该预报模型的准确性．     

电涡流传感器在故障诊断中的应用

扼要介绍电涡流传感器的基本原理及选型要求,简要阐明电涡流传感器校验标定的基本方法,并给出了现场安装的经验总结.     

分级自适应多传感器融合与机械振动监测诊断

针对旋转机械振动的监测与诊断 ,提出了一种分级自适应的多传感器数据融合方法 .每个测点首先进行传感器级的时间跨度的特征融合 ,然后再进行全局的空间跨度的融合 .融合过程基于自适应模式特征提取 ,提出的方法可以在系统状态未知的情况下 ,自适应地融合不同测点的信息 ,从而较全面、准确、及时地反映系统的振动状态 .对转子试验台上模拟故障数据的融合处理 ,说明了所提出方法的有效性 .     

分级自适应多传感 器融合与机械振动监测诊断

针对旋转机械振动的监测与诊断，提出了一种分级自适应的多传感器数据融合方法。每个测点首先进行行传感器级的时间跨度的特征融合，然后再进行全局的空间跨度的融合。融合过程基于自适应模式特征提取，提出的方法可以在系统状态未知的情况下，自适应地融合不同测点的信息，从而较全面、准确、及时地反映系统的振动状态。对转子试验台上模拟故障数据的融合处理，说明了所提出方法的有效性。     

求解多变量优化问题GAs方法的实现与改进

用Ｃ语言实现了遗传基因算法求解多变量优化问题，在基础上，对单点交叉与多点交叉、单点变异与多点变异进行了比较研究。在采用较好的交叉和变异方法的基础上，研究了在ＧＡｓ的迭代循环中如何适时进行区域收缩，引入适值调整，找到了一种循环次数少、计算时间短、求解结果令工满意ＧＡｓ算法。