基于多小波和PSO-RBF神经网络的水电机组振动故障诊断

编号 zgly0001569359

文献类型 期刊论文

文献题名 基于多小波和PSO-RBF神经网络的水电机组振动故障诊断

作者 李辉  王毅  杨晓萍  贾嵘  罗兴锜 

作者单位 西安理工大学水利水电学院  中国电建集团西北勘测设计研究院有限公司 

母体文献 西北农林科技大学学报(自然科学版 

年卷期 2017年02期

年份 2017 

分类号 TV738  TP183 

关键词 水电机组  故障诊断  多小波  神经网络  特征向量提取 

文摘内容 【目的】研究水电机组振动故障诊断的方法,为水电机组状态监测提供一种新的信号处理方法。【方法】对水电机组的振动信号进行多小波变换,提取振动信号的特征向量,将此特征向量作为学习样本输入到经过粒子群优化的径向基神经网络,通过训练后建立频谱特征向量和故障类型的映射关系,然后以测试样本和多故障测试样本为例进行应用检验。【结果】优化后的神经网络在第30次迭代时就达到了目标值,而优化前则需要56次迭代才能达到目标值。测试样本的诊断结果和测试样本的多故障诊断结果显示,期望输出与实际输出基本一致,故障识别的正确率达到100%。【结论】多小波-能量和经过粒子群优化的RBF神经网络结合的方法适用于水电机组的振动故障诊断,其诊断精度高,具有工程应用价值。