基于SA-PSO的小波神经网络汽轮机故障诊断  

Fault Diagnosis of Turbine Generator Based on SA-PSO Wavelet Neural Network

作　　者：陈佳楠[1,2] 夏飞[1,3] 张浩[1,3] 彭道刚[1,2] 

机构地区：[1]上海电力学院电力与自动化工程学院,上海200090 [2]上海发电过程智能管控工程技术研究中心,上海200090 [3]同济大学电子与信息工程学院,上海201804

出　　处：《测控技术》2016年第5期124-128,共5页Measurement & Control Technology

基　　金：上海市"科技创新行动计划"高新技术领域科研项目(15111106800);上海市发电过程智能管控工程技术研究中心项目(14DZ2251100);上海市电站自动化技术重点实验室开放课题(13DZ2273800)

摘　　要：针对传统小波神经网络的问题,提出了一种基于模拟退火粒子群算法优化小波神经网络并用于汽轮机故障诊断。先使用模拟退火粒子群算法对小波神经网络的参数进行初步优化,再用小波神经网络进行二次优化训练。实验结果表明,所提出的SA-PSO-WNN算法与WNN、PSO-WNN算法相比,网络的训练速度更快,全局搜索能力更强,网络的泛化能力更好,具有很好的实用价值。To solve the problem of wavelet neural network,a new type of wavelet neural network（WNN） based on simulated annealing and particle swarm optimization is proposed and applied to the fault diagnosis of steam turbine.Firstly,the simulated annealing and particle swarm optimization algorithm is used to train the parameters of the WNN,and then the gradient descent algorithm of WNN is used for a second optimization.Experimental results demonstrate that compared with WNN and PSO-WNN algorithms,the proposed SA-PSO-WNN algorithm has faster training speed,stronger global search ability and better generalization ability,and has high application value.

关 键 词：模拟退火算法 粒子群算法 小波神经网络 故障诊断 

分 类 号：TK268[动力工程及工程热物理—动力机械及工程]