径向基神经网络在水轮发电机组故障诊断中的应用  

Application of RBF Neural Networks to Fault Diagnosis of Hydraulic Turbine Generator Units

作　　者：彭兵[1] 周建中[1] 付波[1] 唐兵[1] 

机构地区：[1]华中科技大学水电与数字化工程学院,湖北省武汉市430074

出　　处：《水电自动化与大坝监测》2006年第1期35-38,共4页HYDROPOWER AUTOMATION AND DAM MONITORING

摘　　要：轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量,运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识,是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性,并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。The axis orbit is an important symptom in diagnosing the condition of a hydraulic turbine generator unit. A simple and effective method of fault diagnosis is to classify the axis orbits of hydraulic turbine generator units in different fault conditions with radial-basis function （RBF） neural networks and moment invariant. The feasibility of this method is discussed in theory and its superiority to BP neural networks is shown through simulation experiments.

关 键 词：水轮发电机组 径向基神经网络 轴心轨迹 不变矩 故障诊断 

分 类 号：TM312[电气工程—电机] TV737[水利工程—水利水电工程]