汽轮机振动故障诊断BP神经网络遗传算法优化.docVIP

PAGE PAGE 2 摘要 火力发电厂在国民生活以及工业生产中都起着举足轻重的作用。火力发电厂在生产发电过程中，汽轮机都是极其重要的设备。汽轮机一旦发生故障将会造成巨大的损失，并且存在运行人员的安全隐患，所以汽轮机的故障诊断十分必要。 故障机理本文阐述了汽轮机振动故障诊断的国内外研究状况。说明了汽轮机常见的振动故障、故障机理以及信息处理方式。构建BP神经网络，并用遗传算法优化。构建GA-BP神经网络，并对所给的数据进行测试，得出结果。 关键词：汽轮机振动故障 故障诊断系统 遗传算法优化 BP神经网络 Abstract 　Coal-fired power plants plays an important part in individual daily life and industrial production．In the process of electricity production，steam turbine is a kind of equipment．Steam turbine in the event of failure will cause a great loss, and exist safe hidden trouble of the operators, so it is necessary to fault diagnosis of steam turbine fault mechanism this paper expounds the research status at home and abroad of the steam turbine vibration fault diagnosis of the steam turbine vibration fault of common failure mechanism and information processing method to construct the BP neural network, and use genetic algorithm to optimize construction of GA - BP neural network, and the test data are given, the results are obtained． Keywords：turbine vibration fault diagnosis system genetic algorithm for optimization of BP neural network TOC 摘要 I Abstract II 第一章 绪论 1 1.1 课题的目的和意义 1 1.2? 国内外研究状况 1 1.2.1 国外研究现状 1 1.2.2 国内研究现状 2 1.3? 基于神经网络的研究研究现状 2 1.4 本论文的研究内容 3 第二章：汽轮机组故障机理及信息处理 5 2.1 常见汽轮机故障的分析 5 2.1.1 汽轮机故障诊断的一般体系 5 2.2 汽轮机组的典型振动故障 6 2.2.1 转子不平衡 6 2.2.2 轴系不对中 7 2.2.3 动静碰磨 9 2. 2. 4 油膜涡动与油膜振荡 12 2.2.5 转子裂纹 13 2. 3 汽轮机组振动信息常用的分析方法 14 2.4 汽轮机组故障信息处理 15 2.5本章小结 15 第三章：遗传神经网络算法 16 3.1 遗传算法的概要 16 3.1.1 遗传算法的描述 16 3.1.2 遗传算法的优点 16 3.2 遗传算法的运算过程 17 3.3 遗传算法对神经网络的优化 18 3.4本章小结 19 第四章:故障诊断系统的分析与测试 20 4.1 网络训练 20 4.2 故障诊断系统的测试 25 结论 29 致谢 30 参考文献 31 PAGE PAGE 2 第一章 绪论 1.1 课题的目的和意义 随着社会的高度发展和科学的快速进步，对推动工业自动化程度的提高起到了巨大的作用，于此同时也出现了一些急需解决的安全问题，例如：如何避免发生影响系统正常运行的事故；如何提高自动化设备系统运行的安全性、稳定性和可靠性等。汽轮机故障诊断方法在国内虽然早先的研究,并发展较为缓慢,直到信息系统的普及，这个行业进入快速发展。早期人们使用人工诊断汽轮机故障诊断的方法,直到70年代,这种方法是国内外的主流。如今,这仍在现场使用的振动诊断方法,不同的是使用测量工具和信号分析方法的持续改进和变化。计算机的快速发展,不仅带来了物联网和云计算,但也使汽轮机组故障诊断理论和技术已迅速发展。近