基于神经网络辨识的水电机组轴瓦温度预测

摘要

该研究应用神经网络辨识技术,针对轴瓦温度系统兼有静态和动态的非线性特性,融合能反映非线性静态特性的多层前向神经网络辨识模型和能反映非线性动态特性的反馈神经网络辨识模型,形成一种新的神经网络辨识模型,并用BP算法对网络模型进行训练.运用该辨识模型,对水电机组轴瓦温度与影响瓦温变化的主要因素之间所客观存在的,但是用常规解析方法难以描述的映射关系进行表达,成功地建立了水电机组轴瓦温度预测模型,实现了对轴瓦温度及其变化趋势的预测;针对传统BP算法收敛速度慢、局部最小难以克服的缺点,对BP算法进行改进,引入误差分布函数、动量项因子和组合转移函数,在很大程度上克服原有算法的局部最小问题,获得全局最小解,而且加快了网络的收敛速度.该研究还建立了一个基于工况的轴瓦温度运行历史数据库和故障数据库,为进一步建立故障诊断的推理规则做了准备.

目录

文摘

英文文摘

1绪论

1.1水电机组状态检修

1.2神经网络与系统辨识的概述

1.3研究的目的和意义

1.4本研究的主要工作

2神经网络辨识

2.1神经网络和系统辨识

2.2神经网络辨识原理及其模型

3神经网络BP算法及其改进

3.1引言

3.2神经网络BP算法的数学表达

3.3 BP神经网络的逼近能力

3.4 BP神经网络的泛化能力

3.5神经网络BP算法的改进

3.6对BP神经网络的评价

4水电机组轴瓦温度模型及预测

4.1水电机组轴瓦温度系统的物理机理

4.2与模型密切相关的一些测量参数的说明

4.3神经网络温度模型

4.4仿真试验和现场实验

5轴瓦温度预测系统的实现

5.1概述

5.2系统的硬件结构和数据采集

5.3应用软件的功能和使用

5.4轴瓦温度数据库系统

5.5应用软件的实现技术

结束语

致谢

参考文献

附录1攻读学位期间发表论文目录

附录2水电机组状态检测与诊断系统鉴定意见

附录3攻读学位期间从事的课题研究

附录4江西万安水力发电厂#1机组技术参数