吴庚申
- 作品数：6 被引量：54H指数：3
- 供职机构：华南理工大学电力学院更多>>
- 发文基金：广东省自然科学基金更多>>
- 相关领域：理学动力工程及工程热物理电气工程自动化与计算机技术更多>>
- 基于分形盒维数的汽轮机转子振动故障诊断的实验研究被引量：20
- 2006年
- 汽轮机转子是汽轮机故障预测及诊断问题的一个重要方面。利用振动信号或状态量对设备进行诊断,是设备故障诊断中最有效、最常用的方法。本文在Bently实验台上进行了实验,模拟电站汽轮机转子的不对中、不平衡、碰摩和轴承松动4种故障的振动过程。根据汽轮机故障的分形特征,采用分形盒维数方法进行了不同故障试验数据的分形盒维数研究计算。结果表明:碰摩状况下的轴心轨迹最为混乱且呈现雪花状,其对应的分形盒维数也最大;不平衡时的轴心轨迹较为平滑,其对应的分形盒维数最小;不对中故障及松动故障的分形盒维数居中。因此,分形盒维数在进行汽轮机转子故障类型诊断时有更好的区分度。
- 樊福梅梁平吴庚申
- 关键词：分形汽轮机转子振动故障诊断
- 汽轮机转子振动故障非线性诊断研究
- 2006年
- 针对汽轮机转子振动故障的特点,根据Bently实验台所采集的4种典型汽轮机转子振动故障数据,运用分形盒维数、ARMA自谱函数、ARMA模型的二维双隐层神经网络和小波包分析方法研究了振动故障的非线性特征,进行故障诊断。诊断结果表明:不同故障盒维数不同,采用盒维数能够较好的对故障类型进行判别;各种故障的自谱函数幅值分布在不同的频段,有较好地区分度;采用ARMA模型的二维双隐层神经网络进行故障诊断,可以得到各种故障检验样本与目标函数在欧氏空间的最小距离,有较高的故障辨识力;运用小波包分析方法,可以获得汽轮机转子振动的故障状况,根据不同故障发生时的频谱特征,识别出不同的故障。
- 范立莉梁平樊福梅吴庚申
- 关键词：汽轮机转子故障诊断分形小波包分析
- 基于ARMA及神经网络的汽轮机转子振动故障预测诊断实验研究
- 汽轮发电机组的故障率较高，故障危害性也大，所以汽轮机的故障预报及诊断问题历来是受到有关的研究机构、企业和管理部门的高度重视。汽轮机转子振动波形提供了丰富的故障征兆信息，如何准确、全面地提取征兆信息对于故障类型的确定、故障...
- 吴庚申
- 关键词：汽轮机转子振动故障诊断时间序列神经网络ARMA
- 文献传递
- 基于GMA-RMA的年电力负荷组合模型被引量：2
- 2005年
- 时间序列分析与灰色系统理论相结合的方法是先采用灰色建模从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立ARMA模型,将以上2 个模型结合起来构成组合模型,用于预测年电力负荷。应用实例证明,该方法具有容易实现、预测准确的优点,是一种有效的预测方法。
- 吴庚申梁平龙新峰
- 关键词：时间序列数学模型
- 基于ARMA及神经网络的汽轮机振动故障诊断研究被引量：8
- 2007年
- 根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型的汽轮机转子振动故障水平方向与垂直方向的数据所建立的汽轮机转子振动故障序列自回归滑移平均(ARMA)模型,由ARMA模型参数计算自谱函数值,建立汽轮机转子振动故障时间序列的自谱函数图谱。对不同类故障所建立ARMA模型的自谱函数图谱分析表明:故障征兆信息较明显,有较好的故障区分度。另外由于ARMA模型的特征向量浓缩了原时间序列信号的全部信息,对ARMA模型的特征向量参数利用多节点输入双隐层BP神经网络完成p维欧氏空间到二维欧氏空间的非线性映射,对汽轮机转子振动故障状态进行诊断。诊断结果表明:对应故障类型的ARMA模型样本通过训练后的神经网络在二维欧氏空间中能较好地对故障进行分类,同类故障的检验样本与目标函数值在欧氏空间具有最小距离,表明基于ARMA模型的二维欧氏空间双隐层神经网络故障诊断方法有较高的故障辨识能力。
- 梁平龙新峰吴庚申
- 关键词：故障诊断时间序列神经网络
- 基于ARMA的汽轮机转子振动故障序列的预测被引量：27
- 2005年
- 汽轮机转子振动系统是一个确定性复杂系统,振动序列由多种频率成分的分量复合而成,建立尽可能完整与精确的系统振动数学模型是提取故障征兆信息及故障预测的保证.文中根据Bently实验台所采集的碰摩、松动、不对中和不平衡四种典型汽轮机转子振动故障水平方向与垂直方向的数据,剔除趋势项及周期项,所余的随机平稳噪声项经平稳性检验后,建立了汽轮机转子振动故障序列自回归滑移平均(ARMA)模型.计算结果表明,所建立的8个汽轮机转子振动故障ARMA模型一个半周期的预测值的平均误差μ均小于0.55μm,确定性因子r2均大于0.9915,具有较高的预测精度,为进一步提取故障征兆信息及故障发展趋势预测提供了条件.
- 吴庚申梁平龙新峰
- 关键词：汽轮机转子振动故障
