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 LI Hui WANG Yi YANG Xiaoping JIA Rong LUO Xingqi

作者机构：西安理工大学水利水电学院陕西西安710048 中国电建集团西北勘测设计研究院有限公司陕西西安710065 

出 版 物：《西北农林科技大学学报（自然科学版）》 (Journal of Northwest A&F University(Natural Science Edition))

年 卷 期：2017年第45卷第2期

页      面：227-234页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金项目(51209172 51279161) 陕西省自然科学基础研究计划项目(2010JK730) 

主　　题：水电机组 故障诊断 多小波 神经网络 特征向量提取 

摘      要：【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。