论文部分内容阅读
我国电力工业的发展迫切需要研制开发效率更高、运行更可靠、容量更大的汽轮发电机组。但是，汽轮发电机组的容量越大，其故障的发生也越频繁。为了确保大型汽轮发电机组的安全运行，对其故障诊断方法的研究已成为目前主要的研究课题之一。本文研究了核电百万千瓦级汽轮发电机组常见典型故障的原因和振动特征；在模拟核电百万千瓦级汽轮发电机组的转子试验台上，对转子系统的正常状态、不平衡、碰摩、松动和不对中等五种工况进行了模拟试验，对振动信号的采集分析，选择不同频率分量的特征参数作为特征向量，分别利用BP网络和补偿模糊神经网络对核电汽轮发电机组的故障进行诊断分析。结果表明：利用这两种方法进行机组的故障诊断都是行之有效的智能故障诊断的技术手段。但是补偿模糊神经网络是一个结合神经网络和补偿模糊逻辑两者优点的混合系统，相比BP网络具有容错性更高、系统更稳定、收敛速度更快、诊断精度更高等优点，在核电汽轮发电机组故障诊断技术领域中值得进一步研究和推广。
以补偿模糊神经网络为基础，借用MATLAB7.4.0语言系统及其工具箱，编写了基于补偿模糊神经网络的核电汽轮发电机组故障诊断系统的程序，并用常见工况下的特征向量对其结果的正确性进行了测试，验证了系统的合理性和有效性。