基于广义回归神经网络的旋转机械振动特征预测.pdf

第 57卷 第5期 汽 轮 机 技 术 Vo1．57 No．5 2015年 10月 TURBINE TECHNOLOGY 0ct．2015 基于广义回归神经网络的旋转机械振动特征预测 陈东超 ，徐 婧，洪瑞新，顾煜炯，何成兵 (华北电力大学 国家火力发 电工程技术研究中心，北京 102206) 摘要：提出了一种基于广义回归神经网络(GRNN)模型的旋转机械振动特征预测策略，给出了一种快速的GRNN 模型平滑参数的优选方法；采用滑动窗 口的方法更新训练样本 ，以便在每步预测之前获得能反应振动最新变化趋 势的网络结构，进而提高预测精度。将该方法应用于某600MW核电机组动静碰摩故障下的振动特征预测 ，并与粒 子群算法优化的支持向量回归模型(PSO—SVM)、径向基函数神经网络(RBFNN)模型的预测结果进行 了对比分 析，结果表明：提出的振动预测模型的总体性能优于PSO—SVM、RBFNN模型，在学习样本数 目较少 的情况下也能 够得到较为满意的预测结果。 关键词：旋转机械；振动；预测；广义回归神经网络 分类号：TK268．1 文献标识码 ：A 文章编号：1091—5884(2015)05-0360-03 RotatingMachineryVibrationCharacteristicsForecastingBased OilGeneralizedRegressionNeuralNetwork CHENDong—chao，XUJing，HONGRui-xin，GUYu-jiong，HECheng—bing (NationalThernlalPowerEngineeringTechnologyResearchCenter。NorthChinaElectric PowerUniversity，Beijing102206，China) Abstract：A strategyofrotatingmachineryvibrationcharacteristicsforecastingisproposedbasedongeneralizedregression neuralnetwork(GRNN)mode1．Andthedeterminationoptimizationofsmoothingparametersareintroduced．Themethodof slidingwindow isadoptedtoupdatethetrainingsamples，thus，thenewestnetworkstructurecanrefeleetthechangingrtend ofvibrationresponseswouldbeachievedbeforeevery preditionstepwhichcanmprovethepredictionaccuracy．Themethod isappliedtoforcastvibrationcharacteristicsofthecontactrubbingfaultofa600MW nuclearpowerunit．Predictionresults arecompraedwithsupportvectorregressionoptimizedbyparticleswamr optimizationalgorithm (PSO—SVR)modeland radialbasisfunctionneuralnetwork (RBFNN)model，respectively．ResultsshowthattheproposedGRNN vibration predictionmodelperfomr sbetterboth thanPSO —SVR modelaswellasRBFNN modelandforeastresultcan meetthe requirmentevenwithaf