计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2011年
6期
312-315
,共4页
神经网络%水电机组%主成分分析%故障诊断
神經網絡%水電機組%主成分分析%故障診斷
신경망락%수전궤조%주성분분석%고장진단
研究水电机组振动故障问题.由于引起水电机组故障原因十分复杂,且监测数据量大、冗余信息严重,采用传统的RBF神经网络对水电机组故障进行诊断,存在RBF网络结构复杂、训练时间长和诊断准确率低等缺陷.为了提高故障诊断的准确性,提出一种主成分分析和RBF神经网络相结合的水电机组故障诊断方法.首先用主成分分析方法对故障信息进行预处理,消除无用和冗余的信息,然后采用RBF神经网络对预处理后的故障信息进行训练和诊断,从而减少RBF神经网络的规模,简化网络结构,加快故障诊断速度.借用某电站实测机组数据进行仿真,结果表明,本文算法不仅很好地克服了传统RBF神经网络的不足,而且有效地提高了水电机组故障诊断准确性和效率,结果证明本文提出的水电机组故障诊断方法的有效性和优越性.
研究水電機組振動故障問題.由于引起水電機組故障原因十分複雜,且鑑測數據量大、冗餘信息嚴重,採用傳統的RBF神經網絡對水電機組故障進行診斷,存在RBF網絡結構複雜、訓練時間長和診斷準確率低等缺陷.為瞭提高故障診斷的準確性,提齣一種主成分分析和RBF神經網絡相結閤的水電機組故障診斷方法.首先用主成分分析方法對故障信息進行預處理,消除無用和冗餘的信息,然後採用RBF神經網絡對預處理後的故障信息進行訓練和診斷,從而減少RBF神經網絡的規模,簡化網絡結構,加快故障診斷速度.藉用某電站實測機組數據進行倣真,結果錶明,本文算法不僅很好地剋服瞭傳統RBF神經網絡的不足,而且有效地提高瞭水電機組故障診斷準確性和效率,結果證明本文提齣的水電機組故障診斷方法的有效性和優越性.
연구수전궤조진동고장문제.유우인기수전궤조고장원인십분복잡,차감측수거량대、용여신식엄중,채용전통적RBF신경망락대수전궤조고장진행진단,존재RBF망락결구복잡、훈련시간장화진단준학솔저등결함.위료제고고장진단적준학성,제출일충주성분분석화RBF신경망락상결합적수전궤조고장진단방법.수선용주성분분석방법대고장신식진행예처리,소제무용화용여적신식,연후채용RBF신경망락대예처리후적고장신식진행훈련화진단,종이감소RBF신경망락적규모,간화망락결구,가쾌고장진단속도.차용모전참실측궤조수거진행방진,결과표명,본문산법불부흔호지극복료전통RBF신경망락적불족,이차유효지제고료수전궤조고장진단준학성화효솔,결과증명본문제출적수전궤조고장진단방법적유효성화우월성.
