組合模型在汽輪機(jī)轉(zhuǎn)子振動狀態(tài)預(yù)測中的應(yīng)用.pdf

1、本文分析國內(nèi)外汽輪狀態(tài)監(jiān)測與故障診斷的發(fā)展現(xiàn)狀。從機(jī)組安全運(yùn)行角度和由定期檢修過渡到故障檢修的要求提出的汽輪機(jī)轉(zhuǎn)子振動狀態(tài)預(yù)測的重要性和必要性。第二章從理論上分析了旋轉(zhuǎn)機(jī)械轉(zhuǎn)子不平衡、動靜碰摩、轉(zhuǎn)子不對中、自激振動和部件松動等幾種常見的故障并總結(jié)了其主要故障特征,為汽輪機(jī)轉(zhuǎn)子振動狀態(tài)預(yù)測提供理論指導(dǎo)。第三章詳細(xì)分析了AR(p)、MA(q)、和ARMA(p,q)等時間序列模型;介紹了人工網(wǎng)絡(luò)神經(jīng)模型基本原理和BP網(wǎng)絡(luò)模型,為各單一預(yù)測模型

2、和組合預(yù)測模型的建立提供了理論依據(jù)。
　　 由于汽輪發(fā)電機(jī)組振動系統(tǒng)是一個實(shí)時的非線性系統(tǒng)。要對機(jī)組狀態(tài)進(jìn)行預(yù)測,就必須建立一個合適的模型,同時滿足對預(yù)測精度和預(yù)測速度的要求。為了提高預(yù)測精度,本文提出了一種基于ARIMA(p,d,g)和BP網(wǎng)絡(luò)的新型組合預(yù)測方法。在這種組合預(yù)測方法中,把振動序列看成由線性相關(guān)部分和非線性相關(guān)部分兩部分組成,用ARIMA(p,d,q)去預(yù)測線性相關(guān)部分,用BP網(wǎng)絡(luò)去預(yù)測非線性相關(guān)部分,充分利用了

3、各單一模型的優(yōu)點(diǎn),提高了預(yù)測精度。為了提高預(yù)測速度,本文給出了一種新的工程解決辦法,把預(yù)測模型結(jié)構(gòu)分成在線預(yù)測和模型訓(xùn)練兩部分。模型訓(xùn)練部分根據(jù)不段采集的數(shù)據(jù)不斷訓(xùn)練新模型;當(dāng)模型一訓(xùn)練完畢馬上轉(zhuǎn)移到在線預(yù)測部分供其使用,這樣在線預(yù)測部分不會因?yàn)槟Ｐ偷挠?xùn)練和更新導(dǎo)致預(yù)測的中斷,達(dá)到了提高預(yù)測精度和預(yù)測速度的效果。
　　 本文建立了汽輪機(jī)轉(zhuǎn)子實(shí)驗(yàn)臺并模擬機(jī)組不同的工作狀態(tài),用DASP軟件采集轉(zhuǎn)子在不同工作狀態(tài)下的振動數(shù)據(jù)并提取振動