基于小波包特征向量弹性BP算法的故障诊断

英文篇名：Fault Diagnosis of Rotor Based on Wavelet Packet Energy Eigenvector Resilient Back-propagation Neural Network
中文刊名：汽轮机技术
英文刊名：Turbine Technology
作者：祝晓燕 ; 王继选 ; 刘小贞 ; 赵冉
英文作者：ZHU Xiao-yan1 ; WANG Ji-xuan2 ; LIU Xiao-zhen3 ; ZHAO Ran1 (1 North China Electric Power University ; Baoding 071003 ; China ; 2 Hebi Fenghe Power Generating Co.Ltd. ; Hebi 458008 ; China ; 3 Handan Vocational and Technical College ; Handan 056001 ; China)
中文关键词：神经网络 ; 转子 ; 故障诊断 ; 弹性BP算法 ; 小波包特征向量
英文关键词：neural network ; rotor ; fault diagnosis ; resilient back-propagation ; wavelet packet energy eigenvector
出版日期：2008-12-25
机构：华北电力大学;鹤壁丰鹤发电有限责任公司;邯郸职业技术学院;
年：2008
期：06
出版单位：汽轮机技术

摘要

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。
In order to diagnose the rotor fault precisely,this paper applies the resilient back propagation neural network and steepest descent back propagation neural network which based on wavelet packet energy eigenvector.It adopts three-layer wavelet packet to decompose the signal which acquisited from the rotor experiment,and constructs the wavelet packet energy eigenvector,take the energy eigenvector as fault samples to train three-layer BP neural network,finally it realizes the intelligent fault diagnosis.The results shows that the ameliorated BP algorithm is better than the steepest descent algorithm,the trained network can exactly diagnose the rotor fault.

引文

[1]李延群,冯兴隆.大容量机组高压加热器故障原因分析及对策[J].热力发电,2003,32(6):53-56.
    [2]郑治真,沈萍,等.小波变换及其MATLAB工具箱的应用[M].北京:地震出版社,2001.
    [3]周开利,康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社,2005.
    [4]张炜,张优云,等.BP网络的改进算法及其在旋转机械故障诊断中的应用[J].汽轮机技术,1994,36(6):342-347.
    [5]戈志华,李如翔,等.基于BP网络的旋转机械故障诊断[J].华北电力大学学报,1998,(25).
    [6]施阳,李俊.MATLAB语言工具箱—TOOLBOX实用指南[M].西安:西北工业大学出版社,1998.
    [7]易素君,聂超,等.基于震动信号的神经网络目标识别[J].微计算机信息,2006,(08 s):276-278.