学位论文 > 优秀研究生学位论文题录展示

基于流形学习的汽轮机转子振动故障诊断

作　者: 刘永凯
导　师: 戈志华
学　校: 华北电力大学
专　业: 热能工程
关键词: 汽轮发电机组故障诊断流形学习特征提取概率神经网络
分类号: TM311
类　型: 硕士论文
年　份: 2012年
下　载: 208次
引　用: 0次
阅　读: 论文下载

内容摘要

汽轮发电机组作为电厂的核心设备,其稳定安全的运行对国民经济建设和生活起着重要的作用。汽轮机发电机组结构复杂,一旦出现故障会严重影响整个发电厂的运行,所以研究汽轮发电机组的故障诊断技术具有重要的现实意义。针对汽轮机转子振动故障诊断中特征量维数高、非线性等难以有效处理的问题,本文研究了非线性降维方法----流形学习的理论与方法,首先将流形学习与PCA等特征约简方法进行对比分析,从理论上保证流形学习在故障诊断特征提取中的适用性,其次建立基于流形学习的汽轮机转子故障特征提取方法的数学模型,由于流形学习算法中的邻域值嵌入维数等参数难以预先给定,导致特征提取效果难以得到满足,以故障诊断精度为优化目标,研究最优参数确定准则。将建立的特征提取方法模型应用于汽轮机转子典型故障振动信号的特征提取过程,并将特征提取后的故障样本作为概率神经网络的输入建立故障诊断神经网络,对测试样本进行诊断,流形学习特征提取方法在保持原始信息的情况下,滤除了不相关的变量信息,提高故障样本的分类性能,同时也大大降低建立的故障神经网络的计算量,提高故障诊断的有效性和诊断精度。流形学习特征提取理论克服了汽轮机故障诊断中样本维数高,非线性的特征提取困难,很好地保留了故障样本数据的非线性信息,摒弃了冗余信息,提高了诊断速度,为解决转子故障诊断特征提取提供了一条新途径。

全文目录

摘要  5-6
Abstract  6-7
目录  7-9
第1章引言  9-14
  1.1 选题背景及其意义  9
  1.2 汽轮发电机组在线监测与故障诊断研究现状  9-10
  1.3 常见的智能故障诊断方法  10-12
    1.3.1 专家系统故障诊断方法  10-11
    1.3.2 模糊理论故障诊断方法  11
    1.3.3 神经网络故障诊断方法  11
    1.3.4 故障树故障诊断方法  11-12
  1.4 流形学习理论及在故障诊断领域的应用现状  12-13
  1.5 本文的主要研究内容  13-14
第2章汽轮发电机组振动故障  14-19
  2.1 机组振动故障的分类  14
  2.2 转子不平衡  14-15
  2.3 机组中心不正与不对中  15-16
  2.4 汽轮发电机组转子碰磨故障  16-17
  2.5 汽轮发电机组支撑松动故障  17-19
第3章流形学习算法  19-27
  3.1 流形学习  19
  3.2 经典的线性算法  19-22
    3.2.1 主成分分析  19-21
    3.2.2 多维尺度化  21-22
  3.3 经典的流形学习算法  22-26
    3.3.1 等距映射算法ISOMAP  22-23
    3.3.2 局部线性嵌入算法LLE  23-25
    3.3.3 拉普拉斯特征映射算法LE  25-26
  3.4 小结  26-27
第4章基于流形学习的汽轮机转子振动故障特征提取数学模型的建立  27-30
  4.1 拉普拉斯流形学习算法LE与主分量分析PCA  27-28
  4.2 基于拉普拉斯流形学习算法的特征提取数学模型  28
  4.3 基于拉普拉斯流形学习算法特征提取步骤  28-29
  4.4 小结  29-30
第5章 LE算法在汽轮机振动故障诊断中的应用  30-48
  5.1 故障诊断的步骤  30-31
  5.2 转子故障试验分析  31-35
  5.3 特征量的选取  35-43
    5.3.1 时域特征量  35-39
    5.3.2 频域特征量  39-43
  5.4 分类器——概率神经网络  43-44
  5.5 最佳邻域值k和最佳嵌入维数d  44-45
  5.6 诊断结果  45-47
  5.7 小结  47-48
第6章结论与展望  48-50
  6.1 结论  48
  6.2 展望  48-50
参考文献  50-53
攻读硕士学位期间发表的论文及其它成果  53-54
致谢  54

基于流形学习的汽轮机转子振动故障诊断

内容摘要

全文目录

相似论文