基于小波分析和神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)故障診斷研究.pdf

1、汽輪機(jī)組的診斷一直是故障診斷技術(shù)應(yīng)用的一個重要方面。在眾多常見故障的發(fā)生率中，振動故障占了總數(shù)的95％以上?；谶@種考慮才選定了汽輪機(jī)故障診斷技術(shù)研究一題，尤其是探索如何智能預(yù)測和診斷轉(zhuǎn)子振動故障。 本論文主要進(jìn)行了基于小波分析的信號處理和基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷兩方面的理論上的研究工作。主要研究內(nèi)容總結(jié)如下： (1) 研究了小波(包)母函數(shù)及基的選擇問題。小波及小波包變換在故障診斷領(lǐng)域中有著廣泛的應(yīng)用，它幫助我們獲得

2、大量故障信號的特征信息。但是，面對大量的小波母函數(shù)以及變換后的很多小波包基，我們需要選擇合適的小波母函數(shù)及其基，因?yàn)椴⒎侨我獾男〔负瘮?shù)及任意的小波包基都是合適的。 (2) RBF網(wǎng)絡(luò)訓(xùn)練的關(guān)鍵在于隱含層參數(shù)的確定。RBF網(wǎng)絡(luò)目前已有的幾種訓(xùn)練方法對于含有隨機(jī)噪聲的復(fù)雜樣本訓(xùn)練速度過慢且分類性能不穩(wěn)定。針對這些缺點(diǎn)，本文采用了改進(jìn)的遺傳算法——免疫遺傳算法來優(yōu)化RBF網(wǎng)絡(luò)隱含層參數(shù)。同時，在訓(xùn)練過程中采用基于構(gòu)造法的方法來尋找最