大机组振动状态预报技术的研究开发与应用.pdfVIP

捧 要 本文针对企业生产迫切需要的大机组运行状态预报技术开展研究工作， 蒸予久工享枣缀瓣络菝寒，撬密了一手孛镌凭懿颈摄方法并投入骜畿场应雳，联 得了很好的效果。 论文首先从一般预测理论出发，对机组运行状态的可预测性进行了分析 论证，并对鬻用静设备状态蓣葚i||方法避行了分桥帮评述，结采袭餮人工神经 网络技术特别适合于大机组的振动状态预报。进而针对建立人工神经网络模 型豹几个关键阉题，如鄹络拓羚结构艘确定、婀络训练算法的选择等进行了 讨论。 然后针对神经网络预测方法在实际应用·lr存在的问题，首先提出了预测 稳定性豹撅念，并扶理论鞠试验分掇嚣个方殛对预测结票不稳定瓣嚣霆进季亍 了分析和论证，结果表明训练样本中的噪声干扰题影响预测稳定性的主要原 因；其次，为便于事先对训练样本的可预测性进行评价，提出了一种基于分 形理论的调练徉本可蓣溅缝瓣定量评价援标：然蜃缀撵上述分辑绪淦，撬爨 了～种新的预测优化方法。 最后，分析总结了大机组的六种熟型的9ti动变化趋势，并采用本文开发 的预铡按术对它们遗行了缓报试验。绥鬃显，蠡，浚方法对各耪典墨的设器运 行状念变化戆势的预报具有普适性。大量的现场实际应用结果进一步表明， 该技求可准确地预报机缎的振动状态变化趋谤，预报误差一般在10％以内， 达到了实用的要求。 关键词： 大机组状态预报人工神经网络分形 Abstract This focusesOilcondition of thesis forecastingtechniquelarge based which is for．An methodOil forecasting manyenterprisescrying optimized artificialneural thenitis put network(ANN)isdeveloped，and into showsthatthismethodiSsuitableforcondition result forecasting traditional methodsareintroducedin First，various forecasting has over thesemethodsareunfitted船non—linear objects．ANNmanyadvantages methods．Itis outthatmachine—setsconditioncanbe thesetraditional pointed asANN． suchnon—linearmethods predictedby toestablishtheANN’S model。 thesisdiscusseshow TIlen，this forecasting Some are