公司新聞
由于汽輪二手發(fā)電機出租機組振動故障征兆與故障特征之間復(fù)雜的非線形特征，使其故障診斷與識別變得十分困難。近年來，人工神經(jīng)網(wǎng)絡(luò)（八）以其獨到的聯(lián)想、記憶、儲存和學(xué)習(xí)功能，使得其在機組振動故障診斷中的應(yīng)用受到廣泛的關(guān)注。ANN中常用的網(wǎng)絡(luò)有BP網(wǎng)絡(luò)、RBF網(wǎng)絡(luò)等。BP網(wǎng)絡(luò)是成熟，應(yīng)用廣泛的一種網(wǎng)絡(luò)。
為提高BP網(wǎng)絡(luò)學(xué)習(xí)收斂速度，避免陷入局部小點，通常要加入動量項的權(quán)值調(diào)整公式。本文指出了謅學(xué)習(xí)率和動量因子大小不匹配時，雖然加入動量項后提高了學(xué)習(xí)速度，卻引起誤差曲線振蕩，并提出兩種避免誤差曲線振蕩的方法：（1）學(xué)習(xí)率和動量因子隨著誤差進行自適應(yīng)調(diào)整；（2）誤差逼近度漸近收縮學(xué)習(xí)算法。
自適應(yīng)神經(jīng)網(wǎng)絡(luò)在二手發(fā)電機機組故障診斷中的應(yīng)用
1BP網(wǎng)絡(luò)的拓撲結(jié)構(gòu)及其算法131是一個典型的三層BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖。
BP網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖Wi，M分別為輸入層、隱含層、輸出層神經(jīng)元數(shù)量；％為輸入層第/個神經(jīng)元與隱含層第/個神經(jīng)元之間連接權(quán)值；為隱含層第/個神經(jīng)元與輸出層第是個神經(jīng)元之間連接權(quán)值，/=1，2，…，N-7=1，2，對于給定的訓(xùn)練樣本集，采用批處理的方法構(gòu)造誤差函數(shù)：2為網(wǎng)絡(luò)學(xué)習(xí)收斂曲線。
系統(tǒng)誤差：。5理想輸出；為輸出層第々個神經(jīng)元對應(yīng)于第戶個樣本的實際輸出。
權(quán)值采用加入動量因子的調(diào)節(jié)公式wJt（t+1）=w，A-1lWk+a（yvjit）為避免進入S型曲線的飽和區(qū)，在網(wǎng)絡(luò)學(xué)習(xí)過程中，當S函數(shù)的實際輸出小于0.01或大于0.99時，將其輸出值直接取為。1或99. 2自適應(yīng)學(xué)習(xí)率的BP網(wǎng)絡(luò)算法及其訓(xùn)練誤差的振蕩性2.1自適應(yīng)學(xué)習(xí)率的BP網(wǎng)絡(luò)算法在BP網(wǎng)絡(luò)算法中，二手發(fā)電機決定網(wǎng)絡(luò)學(xué)習(xí)收斂速度的學(xué)習(xí)率值取多大合適，一直是討論熱點。計算得到了學(xué)習(xí)率的理論公式，但計算量大，應(yīng)用受到限制。本文選用下列調(diào)節(jié)公式：當誤差增量為正時，減小學(xué)習(xí)率，否則增大學(xué)習(xí)率。實例表明，式（3）能有效地提高網(wǎng)絡(luò)學(xué)習(xí)收斂速度，但當動量因子《取值不當時，會引起誤差曲線振蕩。采用表1中的原始數(shù)據(jù)，當網(wǎng)絡(luò)結(jié)構(gòu)9-12-9，學(xué)習(xí)率初始值；/=0.75，>5=0.15，動量因子《=0.85時，圖這樣，對某個樣本P及相應(yīng)的輸出神經(jīng)元，如理想輸出與實際輸出之差大于誤差逼近度，則作相應(yīng)的權(quán)調(diào)整；如這個差值小于誤差逼近度，則逆?zhèn)鞑ビ诟魃窠?jīng)元的誤差信號為零，就無需對該樣本P及相應(yīng)的輸出神經(jīng)元進行權(quán)值調(diào)整了。由于每次訓(xùn)練只調(diào)整輸出誤差較大的神經(jīng)元，且選擇較大的學(xué)習(xí)速率和動量因子，輸出誤差較小的神經(jīng)元不做調(diào)整，也不會出現(xiàn)過學(xué)習(xí)現(xiàn)象，輸出誤差不會出現(xiàn)波動，因此此方法可大大提高收斂速度，且誤差收斂曲線平穩(wěn)，不會出現(xiàn)振蕩。
誤差逼近度的取值問題也極為重要，過小則每次需調(diào)整的神經(jīng)元太多，影響其訓(xùn)練速度和誤差曲線平穩(wěn)性；過大則由于訓(xùn)練網(wǎng)絡(luò)每次迭代需調(diào)整的神經(jīng)元過少，而使網(wǎng)絡(luò)不能真正學(xué)會輸入輸出模式的基本映射關(guān)系，一般取值小于。5.對于簡單的故障診斷問題，因輸出神經(jīng)元少，M可選小些。相反對于復(fù)雜的故障診斷問題，因輸出神經(jīng)元訓(xùn)練次數(shù)誤差逼近度漸近收縮學(xué)習(xí)算法的收斂曲線多，應(yīng)選大些，然后隨著誤差的減小而逐漸減小。
采用表1中的原始數(shù)據(jù)，動量因子a=0.9，幻=0.022，其它條件不變，為網(wǎng)絡(luò)學(xué)習(xí)收斂曲線。從圖中可看出，網(wǎng)絡(luò)收斂速度較快，且沒有出現(xiàn)振蕩。
4汽輪二手發(fā)電機機組故障診斷與識別某機組3號軸承的振動信號經(jīng)FFT變換后對各頻率段上的振幅進行歸一化處理，得故障征兆為，將其輸入上述已訓(xùn)練好的網(wǎng)絡(luò)中，網(wǎng)絡(luò)輸出即該征兆相對于各故障的隸屬度，如表2.故障類別誤差逼近度漸近收縮學(xué)習(xí)算法應(yīng)學(xué)習(xí)率算法不平衡碰磨不對中軸承與軸頸偏心轉(zhuǎn)子裂紋聯(lián)軸器故障亞諧共振油膜振蕩松動根據(jù)大隸屬度的原則，即可診斷出該機組的故障為“不對中”和“軸承與軸頸偏心”，該結(jié)論己被實際檢修所證實。
行業(yè)新聞
產(chǎn)品展示Products
推薦新聞