BP算法研究与在汽轮机故障诊断中应用.pdfVIP

第52卷 第 l1期 电测与仪表 VOI．52No．11 2015年 6月 1O日 ElectricalMeasurement Instrumentation Jun．10，2015 BP算法的研究及在汽轮机故障诊断中的应用 宋人杰 ，史海丽，刘利渊 (东北电力大学，吉林 吉林 132012) 摘要：运用Nguyen—Widrow方法初始化Levenberg．Marquardt算法中的变量参数，在此基础上，L—M算法在训练神 经网络中的应用，减少了网络训练时权值和阈值的调整次数，加快了算法收敛速度，保证了误差为误差平面的 全局最小值，并将使用N-w方法的L-M算法应用于汽轮发电机的故障诊断。经理论和实践证明该方法提高了 故障诊断的准确性和可靠性，并为转动机械提供了有效的故障诊断方法。 关键词：L-M算法；N—W方法；BP神经网络；汽轮发电机；故障诊断 中图分类号：TM93 文献标识码：B 文章编号 ：1001—1390(2015)11—0112—05 Research ontheBP algorithm and applicationin steam turbinefaultdiagnosis SongRenjie，ShiHaili，LiuLiyuan (NortheastDianliUniversity，Jilin132012，Jilin，China) Abstract：Nguyen—W idrow methodisusedtoinitializethevariableparametersoftheL—M algorithm，andbasedon whichtheapplicationofLevenberg—Marquardtalgorithm inneuralnetwork trainmgcanreducethenumberofthead— justmentoftheweightandthresholdvalue，speeduptheconvergencespeedofBPalgorithmtoensureerrortobethe globalminimum oftheerrorplane，andapplytheL—M algorithm combinedwithN—W method forfaultdiagnosisof steam turbine．Thetheoryandpracticehaveprovedthat：thismethodhasimprovedtheaccuracyandreliabilityoffault diagnosisandprovidedeffectivemethodfortherotationmaehinaryfaultdiagnosis． Keywords：L—M algorithm，N-W method，BPneuralnetwork，turbogenerator，faultdiagnosis 0 引 言 降比较快，随后由于梯度趋近于零，使得误差 曲线基 BP神经网络因其结构简单、可塑性强、对于非线 本不下降；而L．M算法在基于一阶偏导数的梯度下 性函数可以任意逼近、具有很强的容错性，而被广泛 降法和二阶偏导数的牛顿法之间自适应变化，加快 应用到故障诊断中。算法的选择在 BP神经网络 中 了收敛速度 ，增强了网络的泛化性能，在训练时间和 尤为关键 ，例如，梯度下降法的程序和方法简单、计 准确度上明显优于梯度下降法。文章采用结合 N-W 算量相对较小 ，具有一定的训练效果 ，应用广泛。但 方法的L—M算法，建立BP人工神经网络模型，进行 当它接近最小值时收敛速度慢，易陷人局部极小值， 汽轮发电机故障诊断的仿真研究，获得了十分满意 权值和阈值很难调整等问题，而有待进一步优化。 的效果。 因此，文章提出了结合 N—W 方法的 L—M算法的BP