水电站的状态监测系统积累了大量的监测数据,但由于现场专家缺乏,目前这些数据没有得到很好的利用,如何挖掘这些数据并结合专家经验对水电机组进行故障诊断是本文研究的重点。本文提出了一种基于贝叶斯网络的水电机组振动故障诊断模型。根据专家经验获得贝叶斯网络结构和部分节点参数,通过SOM神经网络对数据信号进行离散化处理,利用EM算法参数学习获得其他节点的概率分布,搭建基于贝叶斯网络的子系统模型,并将子系统模型整合成完整的系统模型。文章最后通过设计试验,验证了所建模型诊断结果的正确性和合理性。
类型: 期刊论文
作者: 刘东,王昕,黄建荧,张晓静,肖志怀
关键词: 水电机组,振动,故障诊断,贝叶斯网络,神经网络,算法
来源: 水力发电学报 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 水利水电工程,电力工业
单位: 武汉大学流体机械与动力工程装备技术湖北省重点实验室,福建水口发电集团有限公司
基金: 国家电网水口发电集团(SGFJSK00JXYJ[2017]85)
分类号: TM312;TV738
页码: 112-120
总页数: 9
文件大小: 785K
下载量: 394
本文来源: https://www.lunwen90.cn/article/7f221abe253abe7265cfc072.html