基于广义回归神经网络的转子系统质量不平衡辨识.pdf

第57卷 第 6期 汽 轮 机 技 术 V0l_57No．6 2015年 12月 TURBINETECHNOLOGY Dec．2015 基于广义回归神经网络的转子系统 质量不平衡辨识 陈东超，顾煜炯，徐 婧，赵鹏程 (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)模型的转子系统质量不平衡定量辨识方法 ：采用拉丁超立方抽样 和转子系统的有限元模型获取训练样本 ，随后采用优化的GRNN模型建立不平衡参数与各测点振动响应的对应关 系，降低反演优化迭代过程中冗繁的有限元计算；构建用于求解质量不平衡参数的目标函数，借助建立的GRNN关 联模型，采用PSO算法寻找满足符合 目标函数的全局最优解，从而达到质量不平衡定量识别的目的。此外，为了降 低噪声的影响，采用零相位带通滤波器进行实测振动信号的去噪滤波。仿真结果表明该方法能有效地辨识 出转子 系统中的质量不平衡参数，辨识结果的准确度较高。 关键词：转子系统 ；质量不平衡；定量辨识；广义回归神经网络 分类号：TK268．1 文献标识码：A 文章编号：1001-5884(2015)06 440424 IdentificationofMassUnbalanceinaRotorSystembasedon GeneralizedRegressionNeuralNetworkModel CHENDong—chao，GUYu-jiong，XUJing，ZHAOPeng-cheng (NationalThermalPowerEngineeringTechnologyResearchCenter， NorthChinaElectricPowerUniversity，Beijing102206，China) Abstract：A novelmethodofmassunbalancequantitativeidentificationinarotorsystem ispropo sedbasedongeneralized regressionneuralnetwork(GRNN)mode1．Firstly，trainingsamplesareobtainedbasedonLatinhypercubesampling(LHS) andfiniteelementmodeloftherotorsystem．AndthenGRNN isadoptedtoconstructureassociationmodelswhichsetupa relationbetweentheunbalna ce praametersandcorrespodingvibration dynma icresponsesnadtherebyavoidingthetime- consumingfiniteelementcalculationateveryiterativestepofoptimization．Foridentifyingunbalnace，theobjectivefunction forsolvingubnalanceprama etersareconstructednadhtenGLENN associationmodelsnadparticleswamioptimization algorihtmraeappliedt／,enhancehteglobalserachingability．Inordertoreducetheeffectsofnoise，zerophasebnadpass filtershavebeenused toimplementnoise-elimination．Resultsshow thathteproposedmethodCn