風(fēng)機(jī)的運(yùn)行狀態(tài)在很大程度上影響了火電廠生產(chǎn)的安全性和經(jīng)濟(jì)性。針對其健康狀態(tài)的監(jiān)測問題,提出了一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的風(fēng)機(jī)運(yùn)行狀態(tài)評估方法。首先,通過BP神經(jīng)網(wǎng)絡(luò)建立正常狀態(tài)下風(fēng)機(jī)振動(dòng)的預(yù)測模型;然后,根據(jù)風(fēng)機(jī)的實(shí)時(shí)運(yùn)行參數(shù)得到健康狀態(tài)下風(fēng)機(jī)振動(dòng)的預(yù)測值;最后將振動(dòng)的預(yù)測結(jié)果與實(shí)際值的相對誤差來反映機(jī)組的退化程度和健康狀態(tài)。為提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度和泛化性能,將引力搜索算法（Gravitational Searching Algorithm,GSA）應(yīng)用于神經(jīng)網(wǎng)絡(luò)權(quán)值的優(yōu)化�，F(xiàn)場實(shí)測數(shù)據(jù)表明,所提方法有較高的預(yù)測精度,能有效應(yīng)用于風(fēng)機(jī)運(yùn)行狀態(tài)的智能化評估。 

【文章來源】：工業(yè)控制計(jì)算機(jī). 2019,32(12)

【文章頁數(shù)】：3 頁

【部分圖文】：

BP神經(jīng)網(wǎng)絡(luò)模型

圖2給出了BP網(wǎng)絡(luò)和本文所提GSA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中殘差的收斂曲線。由圖2中結(jié)果可知，GSA-BP神經(jīng)網(wǎng)絡(luò)有更快的收斂速度和更小的殘差；圖3給出了GSA-BP神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本的預(yù)測結(jié)果。由圖3可知，GSA-BP神經(jīng)網(wǎng)絡(luò)能較準(zhǔn)確的擬合健康狀態(tài)下風(fēng)機(jī)的振動(dòng)與運(yùn)行參數(shù)間的非線性關(guān)系。圖3中結(jié)果還表明，受運(yùn)行條件及其他不確定因素的影響，該機(jī)組在正常狀態(tài)下振動(dòng)在不斷增大，即僅根據(jù)振動(dòng)的監(jiān)測結(jié)果難以真實(shí)地反映機(jī)組狀態(tài)的變化趨勢。圖3 訓(xùn)練樣本的預(yù)測結(jié)果

訓(xùn)練樣本的預(yù)測結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于小波包和拉普拉斯特征值映射的柱塞泵健康評估方法[J]. 王浩任,黃亦翔,趙帥,劉成良,王雙園,張大慶.  振動(dòng)與沖擊. 2017(22)
[2]靜葉可調(diào)汽動(dòng)引風(fēng)機(jī)運(yùn)行特性與性能優(yōu)化[J]. 邵壯,司風(fēng)琪,郭俊山,徐治皋,閻文生.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[3]風(fēng)機(jī)電動(dòng)變槳系統(tǒng)狀態(tài)特征參量挖掘及異常識別[J]. 李輝,楊超,李學(xué)偉,季海婷,秦星,陳耀君,楊東,唐顯虎.  中國電機(jī)工程學(xué)報(bào). 2014(12)
[4]基于SVM的核動(dòng)力屏蔽泵老化狀態(tài)評估[J]. 張黎明,趙新文,蔡琦.  核動(dòng)力工程. 2011(02)



本文編號：3417700