基于小波包和GA-LM-BP神经网络的汽轮机故障诊断  

Turbine fault diagnosis based on wavelet packet and GA-LM-BP neural network

作　　者：焦圣喜[1] 迟警 李婉珍[1] 

机构地区：[1]东北电力大学自动化工程学院,吉林132012

出　　处：《制造业自动化》2015年第15期109-113,共5页Manufacturing Automation

摘　　要：对火电厂汽轮机转子常见的各类振动故障进行识别与诊断,可以及时发现故障并进行维修与预防。在传统故障诊断的基础上,采用基于shannon熵的最优小波包基降噪算法对原始故障信号进行去噪,利用"小波包-能量法"提取信号不同频段能量构造不同故障征兆表,并对故障特征量采用GA改进的LM-BP优化算法进行训练与识别。结果表明最优小波包基降噪效果优于硬阈值去噪,改进后的GA-LM-BP神经网络在汽轮机转子振动故障诊断精度和速度上均具有明显的改善。

关 键 词：识别与诊断 最优小波包基 小波包-能量法 GA-LM-BP神经网络 

分 类 号：TK268.1[动力工程及工程热物理—动力机械及工程]