BP神經(jīng)網(wǎng)絡(luò)在燃氣輪機振動故障診斷中的應(yīng)用

劉洋 付忠廣

摘 要：隨著科技的進步，燃氣輪機已成為日益發(fā)展的新型動力設(shè)備，它不僅具備很高的應(yīng)用價值，同時也可以為我們帶來很好的經(jīng)濟效益。然而，由于現(xiàn)階段對電力的需求越來越大，在整個電網(wǎng)中燃氣輪發(fā)電機組的發(fā)電規(guī)模比例也不斷升高，其機組特性隨著龐大的結(jié)構(gòu)也越來越復(fù)雜，尤其對振動故障診斷的判別比較困難。目前，在燃氣輪機振動故障診斷的方法主要有神經(jīng)網(wǎng)絡(luò)遺傳算法、因為網(wǎng)絡(luò)算法、支持向量機算法、粒子群計算方法等。本文旨在通過BP神經(jīng)網(wǎng)絡(luò)在燃氣輪機振動故障診斷中的應(yīng)用，為我們在實際應(yīng)用中提供更有效的修斷方法！

關(guān)鍵詞：BP算法；神經(jīng)網(wǎng)絡(luò)；燃氣輪機；振動故障診斷

一、引言

機械設(shè)備的故障診斷技術(shù)，在現(xiàn)代化生產(chǎn)中越來越受到廣泛關(guān)注。假如某臺設(shè)備突然出現(xiàn)故障而又沒有被工作人員及時發(fā)現(xiàn)，那么后果將不堪設(shè)想，在實際中甚至?xí)斐蓹C毀人亡的慘烈現(xiàn)象。因此，對于整個生產(chǎn)系統(tǒng)來說機械故障診斷非常重要。BP神經(jīng)網(wǎng)絡(luò)，是近些年開發(fā)了一種新型建模技術(shù)，在對燃氣輪機振動故障診斷中發(fā)揮著重要作用。本文對燃氣輪機振動部件模型進行分析，引入BP神經(jīng)網(wǎng)絡(luò)技術(shù)進行故障診斷，從而提高燃氣輪機運行的安全性與經(jīng)濟性。

二、BP神經(jīng)網(wǎng)絡(luò)模型

目前，BP神經(jīng)網(wǎng)絡(luò)是在各種神經(jīng)網(wǎng)絡(luò)中應(yīng)用最成熟的一種模型。它主要是一個由非線型變換單元所組成的前向多層網(wǎng)絡(luò)，具體包括一個輸入層、一個輸出層、一個或多個隱層構(gòu)成的三層感知器，對網(wǎng)絡(luò)進行訓(xùn)練通過利用誤差反向傳播算法。在神經(jīng)網(wǎng)絡(luò)中的每一層，都是有一定數(shù)量如同人相互關(guān)聯(lián)的神經(jīng)細胞的神經(jīng)元構(gòu)成，這個模型中，每一層節(jié)點的輸入來自前面一層節(jié)點的輸出。輸入信號前向傳播到隱層節(jié)點中，在經(jīng)過作用函數(shù)把隱節(jié)點的輸出信息傳播到輸出節(jié)點，從而最終得到所需要的結(jié)果。

三、燃氣輪發(fā)電機組振動故障樣本特征參數(shù)提取

為了實現(xiàn)對機組狀態(tài)的監(jiān)測，有必要通過提取來自燃氣輪發(fā)電機組的振動特征信號量，從而判斷出燃氣輪發(fā)電機組的主要性能。假如直接就把采樣數(shù)據(jù)作為樣本構(gòu)建故障知識庫，就會發(fā)現(xiàn)監(jiān)測過程比較復(fù)雜且規(guī)模較龐大，這種效率非常低下。因此，對于燃氣輪發(fā)動機組的振動信號要通過總結(jié)其故障特性和故障種類，將所連續(xù)的屬性值具體劃分為若干個區(qū)間，并按照頻段幅值將頻譜數(shù)據(jù)作為相應(yīng)的征兆屬性去劃分。比如，在7Matlab7.0環(huán)境中，具體劃分為八個頻段幅值，相應(yīng)的計算公式為：

S= │Ei（t）│2dt

在這個公式中，E是第i個子頻帶的能量分量，而S是各子頻帶能量的總能量。

頻段幅值分量能量公式為：

在表1中，故障征兆集用C1～C8表示，每個故障代碼用d0、d1、d2、d3表示，分別代表正常狀態(tài)、油膜震蕩、轉(zhuǎn)子不平衡、不對中這幾種情況。

四、基于BP神經(jīng)網(wǎng)絡(luò)的燃氣輪機振動故障診斷方法

為了能夠更準確的診斷出燃氣輪機組的振動故障，可以采用粗糙集實現(xiàn)決策編碼和知識的簡化，從而使決策屬性與決策條件屬性能夠被準確地刻畫出來，使BP神經(jīng)網(wǎng)絡(luò)診斷效率更高。我們把基于BP神經(jīng)網(wǎng)絡(luò)在燃氣輪機組振動故障中的具體診斷步驟分為以下五步：

第一步，把振動故障的特征數(shù)據(jù)進行采集，正確建立故障關(guān)系表。為了得到故障關(guān)系表，我們首先要通過對燃氣輪機發(fā)電機組的振動信號進行詳細檢測和認真分析，把每種振動故障類型與特征參數(shù)之間的相互關(guān)系認真總結(jié)；

第二步，進行數(shù)據(jù)離散化。因為需要用振動信號的頻域特征表述燃氣輪機發(fā)電機組的征兆特性，所以作為燃氣輪機振動故障的征兆屬性要通過對不同頻段上的幅值分量能量進行確定，而在本文中我們對數(shù)據(jù)進行處理的方式為基于斷點的離散化方法；

第三步，對離散化后的樣本數(shù)據(jù)，采用粗糙集屬性約簡方法。這樣做的結(jié)果是，可以對決策表分類能力保持不變的情況下，受樣本數(shù)據(jù)維度得到最大程度的降低，從而可以使后期神經(jīng)網(wǎng)絡(luò)訓(xùn)練的速度得到有效提高；

第四步，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。將上一步進行約簡后的樣本數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)開始進行訓(xùn)練，從而可以得到在訓(xùn)練完成后的對振動故障具有分類能力的神經(jīng)網(wǎng)絡(luò)；

第五步，最終測試。為了得到正確的燃氣輪機組振動故障診斷結(jié)果，在經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)中輸入以約簡測試樣本最小條件屬性集。

五、結(jié)束語

本文主要講述了BP神經(jīng)網(wǎng)絡(luò)在燃氣輪機振動故障診斷中的應(yīng)用，先對燃氣輪發(fā)電機組振動故障樣本特征參數(shù)進行提取，再在分析燃氣機組振動部件構(gòu)成故障判據(jù)的基礎(chǔ)上采用粗糙集理論處理方法找到正確的判斷結(jié)果，證實目標輸出與實際輸出對照結(jié)果一致。因此，我們認為基于BP神經(jīng)網(wǎng)絡(luò)診斷燃氣輪機組振動故障雖然是可行的方法，但是由于算法本身存在的缺陷還會存在一些失誤，而在經(jīng)過粗糙集理論處理后的BP神經(jīng)網(wǎng)絡(luò)正確識別故障率可以達到百分之百。在實際應(yīng)用中，只有尋求多種方法相結(jié)合的故障診斷技術(shù)才能夠最終獲得更好的診斷效果，這也是為日后對燃氣輪發(fā)動機組振動故障進行正確診斷的主要方法。

參考文獻：

[1]司景萍，馬繼昌，牛家驊等.基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J].振動與沖擊，2017（04）：111-112.

作者簡介：

劉洋：性別；男，籍貫 河北華北電力大學(xué)（北京）專業(yè)：動力工程，在讀碩士研究生（全日制）研究方向 微型燃氣輪機轉(zhuǎn)子故障診斷

付忠廣：華北電力大學(xué)（北京）