基于神经网络的风电机组控制系统故障诊断研究

论文摘要

本文在介绍神经网络故障诊断方法基本原理的基础上提出三种改进算法提高网络的收敛速度,并将遗传优化神经网络故障诊断方法成功运用于风电机组控制系统的故障诊断中。文中首先提出了神经网络训练的几种改进算法并进行仿真；然后介绍了风电机组控制系统传感器常见故障类型,将采集到的数据经归一化处理后采用神经网络进行故障诊断并进行仿真；最后在介绍遗传算法的基础上,对风电机组控制系统经常出现的六种故障用遗传算法优化的神经网络进行仿真,结果表明该算法快速有效的诊断出了各种故障类型,避免了陷入极小值；同时也有效的证明了神经网络在并行处理、联想式记忆及自组织自学习方面的优势。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及其意义
• 1.2 控制系统故障诊断现状
• 1.2.1 故障检测与诊断基本理论
• 1.2.2 故障检测与诊断方法
• 1.2.3 基于人工智能的故障诊断方法
• 1.2.4 多种智能化方法结合的故障诊断方法
• 1.3 基于神经网络的风电机组控制系统故障诊断
• 1.3.1 风电机组控制系统故障诊断现状
• 1.3.2 风电机组控制系统故障类型介绍
• 1.4 本文的主要研究内容
• 第二章 神经网络在故障诊断中的应用及仿真
• 2.1 引言
• 2.2 基于神经网络的故障诊断方法
• 2.2.1 神经网络故障诊断方法流程
• 2.2.2 神经网络故障诊断的BP网络模型及算法
• 2.2.3 BP神经网络训练的改进算法
• 2.2.4 神经网络故障诊断的优势及难点
• 2.3 BP神经网络用于故障诊断的仿真
• 2.3.1 BP神经网络弹性梯度改进方法的仿真
• 2.3.2 BP神经网络附加动量改进方法的仿真
• 2.3.3 BP神经网络自适应调整参数改进方法的仿真
• 2.4 本章小结
• 第三章 风电机组控制系统传感器故障诊断及仿真
• 3.1 引言
• 3.2 风电机组控制系统传感器故障模型的建立
• 3.2.1 传感器故障数学模型
• 3.2.2 风电机组控制系统传感器故障仿真设计
• 3.3 风电机组控制系统传感器故障诊断
• 3.3.1 风电机组控制系统传感器故障描述
• 3.3.2 风电机组控制系统传感器故障诊断数据的采集
• 3.4 风电机组控制系统传感器故障诊断的仿真结果
• 3.5 本章小结
• 第四章 风电机组控制系统故障诊断及仿真
• 4.1 引言
• 4.2 基于BP神经网络的风电机组控制系统的故障诊断
• 4.2.1 风电机组控制系统故障特征向量的选取
• 4.2.2 风电机组控制系统故障样本数据的采集
• 4.3 基于遗传算法的神经网络优化算法
• 4.3.1 遗传算法简介
• 4.3.2 遗传算法工具箱
• 4.3.3 遗传算法优化神网络权值的学习过程
• 4.4 基于遗传算法优化的神经网络故障诊断仿真
• 4.5 本章小结
• 第五章 结论和展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况