运用免疫遗传神经网络的汽轮机振动故障诊断
汽轮机组振动故障诊断模型
（） ２ 对已学习过 的模式， 具有稳定的快速识别
能力 ，即较好 的稳 定性 。 （）对 未学 习过 的模 式 ，可 以进 行稳 定编码 ， ３
（） ４ 具有可塑性 ， 即在连续学习新样本时保持 近年来， 神经 网络在旋转机械故障诊断中被越 原有知识 ，防止新学习样本覆盖掉原来的知识。 （）记忆 容量大 ，比较 适合于 大规 模的推 理 问 ５ 来 越多地 应 用 ，取得 了一 定 的成就，但大 多数 使用 的 都是 单一 网络 ， 比如 ＢＰ ｏ ｏｅ ，Ｋ ｈ ｎｎ等 ．而 每一 题 ，这对 于 大型机 组 的故 障诊 断是很有 利 的。
Ｅ［，１。 这就要 求诊 断模 型 既能诊 断单一 故 障 ， 又能识 别并 ｐ ０ ］ 步骤 ２ ：输 入某 一规 范化 矢量ｆ 。 发故障 和新 故障 。
为满足上述要求 ． 本模型尝试着把 自 适应谐振
收稿 日期 ：２ ０ －６２ ． ０１ － ０ ２
步骤 ３ ：分 别计算 输 出层 各节 点的 匹配度 。
理论 （Ｒ ）和误差反向传播 （ Ｐ 两种 网络结 ＡＴ Ｂ）
合在 一起使 用 。
１ ＡＲ 和 Ｂ 网络 Ｔ Ｐ
关键词： Ｒ 和 Ｂ 网络： ＡＴ Ｐ 汽轮发电机纽； 振动故障； 诊断 １１ ＲＴ 网络 ． Ａ
中圈分类号：Ｔ ２２ Ｔ ２８ Ｋ ６； Ｋ ６ １
文献标识码：Ａ
ＲＡＮ ｈ ａ ｇ Ｓ ｕ ｎ ，ＧＥ Ｚ ｉ ｕ ，ＤＩ ｈ－ ａ ｈ ＮＧ ｈ ｎ ・ Ｃ ａ ｇｆ ｕ
（ ｅ ａ ｍｅｔ ｆ ｏ ｅ ｎ ｉｅｒ ｇ Ｎｏ ｈＣ ｉａ ｌ ｔｃ ｏ ｒ ｎｖｒｉ ， ａｄⅡ ０ １０ ， ｈｎ） Ｄ ｐｒ ｎ Ｐ ｗ ｒ ｇｎｅｉ ， Ｒ ｈ ｅ ｒ ｗｅ ｉ ｓｙ Ｂ ０ ｉ邑 ７ ０ ３ Ｃ ｉａ ｔ ｏ Ｅ ｓ ｎ Ｅ ｃｉＰ Ｕ ｅ ｔ
汽轮机常见振动故障和诊断方法探析
基于量子粒子群优化的BP神经网络的汽轮机振动故障诊断研究
Ｐ ｎ ｕａ ｇ ｆｉ （ｃｏｌｏ ｔｍａｉｎ＆ Ｅｌ ｔｉ ｌＥ ｇｎｅｉｇｏ ｍｍｈｕＪａｔｎ ｅ ｇ Ｓｈ ｎ —ｅ Ｓ ｈｏ ｆＡｕｏ ｔ ｏ ｅ ｒ ａ ｎ ｉｅｒ ｆＬ ｃ ｃ ｎ ｏ ｉｏｏ ｇ
Ｋ ｙｗ ｏｄ ： ａ ｔｍ— ｅ ａ ｅ ａｔ ｌ Ｓ ａｍ ｐ ｉ ｚ ｔ ｎ（ Ｓ ） Ｐｎ ｕ ａ ｎ ｔ ｒｓ ｆｕ ｉ ｎ ｓ ｅ ｒ ｓ Ｑｕ ｎｕ ｂ ｈ ｖ Ｐ ｒｃ ｗ ｒ Ｏ ｔ ａｉ ＱＰ Ｏ ； ｅ ｒ ｌ ｗｏｋ ；ａ ｌｄａ ｏ ｉ ｄ ｉｅ ｍｉ ｏ Ｂ ｅ ｔ ｇ ｓ Ｃ Ｃ ｎ ｍ ｂ ｒ Ｔ ３ ２７ Ｌ ｕ ｅ ： Ｐ ０ Ｄ ｃ ｍｅ ｔ ｏ ｅＡ ｏｕ ｎ ￣ ｄ ： Ａ ｔ ｌ １０ — １ ７２ １ ） － ０ １ ０ ｒ ｃ Ｉ ０ ３ ０ ０ （０ ００ ０ ２ — ３ ｉ ｅ Ｄ： ８
从 而 确 定 必 要 对 策 的技 术 。其 基 本 宗 旨就 是 运 用 当 代 一 切 科 学 技 术 的 新 成 就 ， 现 机 械 设 备 的隐 患 ， 发 以期 对 设 备 事 故 防 范 于 未 然 ቤተ መጻሕፍቲ ባይዱ设 备 故 障诊 断技 术 是 近 四十 年 来 发 展 起 来 的适 应 工
断。实 例证 明 ． 它是一 种高 效 ， 可靠 的诊断 方法 。
关键 词 ： 子粒 子群 ； Ｐ神经 网络 ； 障诊 断 量 Ｂ 故
中 圈分 类号 ：Ｐ ０ ． Ｔ３２ ７
文献标识码 ： Ａ
文章 编 号 ：０３ ００ （ １）８ ０２ －３ １０ － １７２ ０ －０ １０ ０ ０
Ａｂｓ ｒ ｔ Ｔｏ ｉ ｐ ｏ ｉｇ ｈ ａｇ ｏｓ ｄ ｓｐ ｅ ａ ｃ ｒ ｃｙ ｏ ｈｅ ｓ ｅ ｍ ｕ ｂｉｅ ｄａｇ ｏｓ ｙ ｔ ． ｉ ａ ｅｒｐｒ ｐ ｅ ｔ ｏ ｔａｃ ： ｍ ｒ ｖｎ ｔ ｅ ｄｉ ｎ ｅ ｅ ｄ ｎｄ ａｃ ｕ ａ ｆｔ ｔ ａ ｔ ｒ ｎ ｉ ｎ ｅ ｓ ｓｅｍ ｔ ｓ ｐ ｐ ｏ ｏｓ ｓ ａ ｍｅ ｈ ｄ ｈ
汽轮机振动故障诊断技术研究
汽轮机振动故障诊断技术研究摘要：对汽轮机典型的振动类型和振动故障的诊断技术进行了研究。
根据故障诊断方法在信号处理与理论模型的不同，将诊断技术分为，基于信号处理的诊断方法、基于知识的诊断方法、基于解析模型的诊断方法、基于离散事件的诊断方法。
研究表明，基于各种故障诊断方法在检测信号、知识获取、识别故障位置及适用条件等均有不同的优势和侧重。
关键词：汽轮机故障诊断小波神经网络1、引言二十世纪以来，随着工业生产和科学技术的发展，机械故障的可靠性、可用性、可维护性与安全性问题日益突出，从而促进了人们对机械设备故障机理及诊断技术的研究汽轮机是电力生产的重要设备，由于其结构的复杂性和运行环的特殊性，汽轮机的故障率较高，而却故障危害也很大。
汽轮发电机组常见的机械振动故障有：转子不平衡、转子弯曲、转子不对中、油膜振荡、碰摩、转子横向裂纹和转子支承系统松动等。
汽轮机振动故障的汽轮机最常见的故障，因此，汽轮机的振动故障诊断一直是故障诊断技术应用中非常重要的部分。
2、基于信号处理的振动故障诊断方法信息的采集和处理是实现机组振动检测与故障诊断中的一个基本环节、也是振动检测软件的核心技术。
现代信息分析主要包括两种形式：一种是以计算机为核心的专用数字式信号处理仪器，另一种是采用通用计算软件来进行信号分析的方式。
2.1小波变换方法这是一种新的信号处理方法，是一种时间—尺度分析方法，具有多分辨率分析的特点。
利用小波变换可以检测信号的奇异性。
因噪声的小波变换的模的极大值随着尺度的增大而迅速衰减，而小波变换在突变点的模的极大值随着尺度的增大而增大(或由于噪声的影响而缓慢衰减)，即噪声的lipschitz指数处处小于零，而在信号突变点的lipschitz指数大于零(或由于噪声的影响而等于模很小的负数)，所以可以用连续小波变换区分信号突变和噪声。
同样，离散小波变换可以检测随机信号频率的突变。
孙燕平等应用了小波分析理论，采用多分辨分析和小波分解等基本思想对汽轮机转子振动信号进行了分析，针对振动信号的弱信号特征，提出了基于离散小波细化频率区间，小波分解后进行能量谱分析和小波变换结合傅立业变换分析法，并将其应用于模拟转子试验台上。
汽轮机故障诊断技术
障都在振动信号上反映出来 ， 因此 ， 对轴系故 发展的主要障碍之一。 障的研究总是以振动信号的分析为主。 ３ ． 工 智能应 用 ４人 ２ ． 断策 略和诊 断方法 ．２诊 ２ 专 家系 统作 为人 工智 能在 汽 轮机 故障 诊 在汽 轮机故 障诊 断 中用到 的诊 断策 略 主 断 中 的主要 应用 已经 获得 了成功 ，但 仍有 一 要 有对 比诊 断 ， 辑 诊 断 ， 式 识别 ， 逻 模 模糊 诊 些 关键 的人 工智 能应 用 问题 需要 解决 ，主 要
断 的需要 ， 运行 中转 子 表面 温度 检测 ， 片 如 叶 动 应力 检测 ， 调节 系 统卡 涩检 测 ， 内缸 螺栓 断 裂 检测 等 ， 缺乏 有效 的手段 。 都 ３ 材料 性能 ． ２ 在 寿命 诊断 中，对材 料性 能 的 了解 非 常 重要 ，因为 大多 数寿命 评 价都 是 以性 能数 据 为基础 的 。 目 对 于材 料的性 能 ， 别是 对 但 前 特 题。 于汽轮 机材 料在 复杂 工作 条 件下 的性 能变 化 ２ ． 障机理 与诊 断策略 ２故 还 缺乏 了解 。 ２ ． 障机 理 ． １故 ２ ３３复杂 故障 的机理 ． 断。 故 障 机 理 是故 障 的 内 在 本 质 和 产 生 原 对故障机理的了解是在准确诊断故障的 ４６信 息融 合 ． 因 。 障机 理的研 究 。 故 是故 障诊 断 中的一 个非 前提。目前 ， 对汽轮机的复杂故障 ， 有些很难 汽轮机信息融合诊断重点在征兆级和决 常基 础而 又必 不可 少的工 作 。 目前 对 汽轮机 从理论上给出解释 ，对其机理的了解并不清 策级展开研究，目前是通过不同的信息源准 故 障机理 的研究 主要 从故 障规 律 ，故 障征兆 楚 ，比如在非稳定热太下轴系的弯扭复合振 确描 述汽 轮机 真 实状态 和整 体状 态。 和故障模型等方面进行。由于大部分轴系故 动问题等，这将是阻碍汽轮机故障诊断技术 ４７从 诊 断 向 汽轮 机设 备 现代 化 管理 发 ．
小波包-神经网络在汽轮机转子故障诊断的应用
小波包-神经网络在汽轮机转子故障诊断的应用发电设备(2009N o.6)收稿日期2323; 修回日期2525作者简介刘明利(32),男,在读硕士生,主要从事发电机组振动的故障诊断。
小波包-神经网络在汽轮机转子故障诊断的应用刘明利, 傅行军, 李 艳(东南大学火电机组振动国家工程研究中心,南京210096)摘 要:根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。
利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。
MA TLAB 的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。
关键词:汽轮机;转子;故障诊断;小波包;神经网络中图分类号:TK267 文献标识码:A 文章编号:16712086X(2009)0620397203Applica tion o f Wa velet Packet 2N eural N et w or kto Fa ult Dia gnosis o f Tur bine Rotor sLI U Ming 2li , FU Xing 2jun , L I Yan(Nati onal Engi neeri ng Research Center of Turbo Generat or Vi bration ,Sout heast U niversity ,Nanji ng 210096,China )Abstract :A ccordi ng to the signal fe atures of tur bine rotor vibration f aults ,a diagnosis method in c ombina tion of w avelet p acket a nd p roba bilistic neural netw or k is being p rop o se d.Fa ult signals aredecompose d using w avelet packet ,and t he n t he unif ied data w ill be pr ocessed by p roba bilistic neur al netw ork ,w here af ter a nonline ar mappi ng relationship betwee n signal fe atures and f ault type ca n be obtaine d ,and t hu s a f ault dia gnosis c ompete d.Experime ntal results of MA TL AB sim ula tion show that t he c ombine d met hod by wa velet pac ke t a nd pr oba bilistic neural netw ork is ve ry eff ective f or diagnosis of nor mal t ur bine r otor f aults.Keyw or ds :st eam tur bine ;r ot or ;f ault diagnosis;wa vele t p acket ;ne ur al netw or k 对振动信号进行小波分析时,往往只对上层分解结果中的低频部分加以分析,而忽略其高频部分,但是待分析信号一般都处在一个确定有限的频域范围,故障信息可能隐藏在高频部分,忽略高频部分就意味着可能无法将故障信息提取出来或者说丢失了故障信息[1]。
汽轮机运行中的振动问题防治处理
汽轮机运行中的振动问题防治处理摘要：汽轮机设备的异常振动严重影响到设备的正常运行，严重时甚至出现振动过高而停机的现象，造成了巨大经济损失。
汽轮机的振动问题受到很多因素的影响，通过深入分析汽轮机振动问题并进行防治处理，可有效提高汽轮机运行效率，保障电力稳定高效生产。
关键词：汽轮机；振动问题；防治处理随着新能源的不断入网，常规火电机组参与调峰的范围越来越大，调峰深度也不断增加，给大功率火电机组的安全稳定性带来了新的挑战。
随着大容量机组调峰深度的增加，随之而来的新的振动问题也逐渐增多。
因此对于汽轮机振动问题的有效解决是当前急需面对的一个问题。
1汽轮机振动危害分析振动即指物体偏离原有位置，通过能量转换使其产生了一定的位移，一般情况下的振动并不会损害到汽轮机设备，不会影响到汽轮机的正常工作，但振动幅度超过某一范围时，就会影响到汽轮机设备的作业效率甚至造成停机磨损。
产生振动的原因是多样的，在进行检修维护工作时要对汽轮机的振动幅度进行监测，控制在0.05mm之内则可满足要求，否则会出现轴中心位置变化、发电机转子内冷水路出现堵塞或轴承磨损等汽轮机的异常振动情况，很容易产生汽轮机设备零件松动，造成内部摩擦磨损，从而缩短汽轮机设备的使用寿命。
2振动情况介绍2.1 轴系构成简介某公司3号机组汽轮机为亚临界、一次中间再热、单轴、三缸、四排汽、冷凝式汽轮机，额定功率600MW,型号为N600-16.7/537/537型。
机组轴系由高中压转子、低压Ⅰ转子、低压Ⅱ转子、发电机转子、励磁短轴组成，各转子之间均采用刚性连接。
2.2 机组振动情况介绍12月3日18:57,负荷210MW,主汽温度537.6℃,轴封母管温度239.9℃,高排温度270℃,高压外缸上下缸温差2℃,1Y轴振62.16μm,2Y轴振29μm。
19:41,负荷297MW,主汽温度517.9℃,轴封母管温度228.8℃,高排温度261℃,高压外缸上下缸温差3℃,1Y轴振39.82μm,2Y轴振26μm。
汽轮机振动分析与故障诊断
汽轮机振动分析与故障诊断摘要：汽轮发电机组是电力系统中的一个重要组成部分，它的结构和工作环境比较复杂，所以它的安全性要求比较高。
长期以来，汽轮机的故障率高，严重地影响了机组的正常运转。
随着科学技术的不断发展，智能化的计算机系统的广泛运用，为汽轮发电机组的振动故障自动分析提供了技术支撑。
关键词：汽轮机；发电机组；振动故障；故障检测1.汽轮机振动故障检测与诊断分析的目的目前，由于社会用电量的稳定需要和电力市场改革后对于机组稳定性要求更高，发电企业因设备故障导致的机组非计划停运而带来的经济损失是巨大的。
所以，他们必须制定一套能够保证设备正常运转的快速诊断程序。
相对于其他故障，运用先进的技术方法可以快速地对汽轮机的振动故障进行快速的判断和定位，为管理者和使用者提供了方便。
因此，在维护技术不断发展的今天，加速对汽轮机振动进行快速诊断和分析是非常必要的。
在机组运行中，最常见的故障就是汽轮机组的异常振动。
由于大机的叶片、叶轮等转动构件的受力超出了容许的设计范围，从而引起机组的损伤。
所以，设备的振动水平应控制在一定的容许值之内。
2.振动故障检测原理与分析技术的步骤2.1振动信号采集针对汽轮机故障，首先要在机组正常工作时，对其进行振动信号的检测。
振动信号是660 MW汽轮发电机组振动故障的主要载体，也是故障诊断的主要手段。
通过对振动信号的采集，可以从历史信息库中依据设备的工作特性，对故障发生的部位及原因进行客观、真实的分析。
2.2信息处理660 MW汽轮发电机组是一种大功率的机械设备，其工作时难免会产生大量的噪声，从而影响到检测系统对其检测结果的准确性。
为此，要对系统采集的噪声信号进行科学地降噪，排除异常的干扰，提取有效的信号进行分析。
2.3故障分析与诊断这是对机组振动故障进行分析的关键步骤，在此阶段，要对所搜集到的资料进行归纳、整理，并利用特征值判断出该装置的工作状态是否在合理的范围之内。
如果有什么不正常的地方，我们就得对资料库做进一步的分析。
基于粒子群优化聚类的汽轮机组振动故障诊断
∑（ ） ／ １ “ ∑（ｒ ， ｌ ｉ ）
ｒ＝ １
好 的效果
， 是该算 法 仍 存 在 着 不 足 ， 于梯 度 下 但 基
＝
（ ｉ： １ ２ … ， ， ， ）
ｎ
一
（） ２
降 的迭 代过 程使 得 目标 函数 容易 陷 入 局部 极 值 而 得 不 到最优 的分类 。从 提 高 故 障 诊 断 的正 确 性 出 发 ， 文 本 提 出了一 种基 于粒 子群 优 化 和模 糊 聚类 的 分 析 算 法 ， 将该算 法应 用 于汽 轮 机 组 轴 系振 动故 障诊 断 中 ， 真 仿 实验结 果证 明 了该 方法 的可 行性 和有 效性 。
１ 模糊 Ｃ均值算 法 （ Ｃ ） － Ｆ Ｍ
模 糊 Ｃ 均 值算 法 （ Ｃ 是 一 种迭 代优 化 算 法 ¨ Ｆ Ｍ） ， 是解决 聚类 问题 的一 种 方 法 ， 它具 有 很 强 的 代 表 性 及 灵敏 性 ， 应 用 于 各 领 域 ¨ ， Ｃ 定 义 如 下 ： ＝ 被 ＦＭ Ｘ
中 图 分 类 号 ：Ｔ ３ １ Ｐ ９ 文 献 标 识 码 ：Ａ
汽 轮发 电 机组 是 电 力 生 产 的 重 要 设 备 ， 于 其 设 由 备 结构 的复 杂性 和 运 行 环境 的 特 殊 性 ， 轮 发 电 机 组 汽 振动 故 障率不 低 ， 且 故 障 危 害 性 也 很 大 ， 而 因此 ， 轮 汽
摘 要 ：针对模糊 Ｃ 均值聚类算法（ Ｃ 容易陷入局部极值和对初始值敏感的不足， 一 Ｆ Ｍ） 提出了一种新的模糊聚类
算法 （ Ｆ Ｍ） 新算 法利用粒 子群优化算法 （ Ｓ ） ＰＣ ， Ｐ Ｏ 全局寻优 、 快速收敛的特点 ， 代替了 Ｆ Ｍ算 法的基于梯度下降 的迭 代过 Ｃ 程， 使算法具有很 强的全局搜索能力 ， 大程度上避免了 Ｆ Ｍ算法易陷入局部极值 的缺 陷 ， 很 Ｃ 同时也 降低 了 Ｆ Ｍ算法对 初 Ｃ 始值的敏感度 。将该算法应用 于汽轮机组 振动故障诊断 中， 与电厂运行 实际故 障状态对 照 ， 真结果表 明该算法提高 了 仿 故障诊断的正确率 。为汽轮机振 动故 障诊断方法的研究提供 了一种新 的思路 。 关键词 ：汽轮机 ； 障诊断 ； 故 粒子群优化 ； 模糊 ｃ一均值聚类 ； 动 振
改进BP网络在汽轮发电机组故障诊断中的应用
改进BP网络在汽轮发电机组故障诊断中的应用张冉;赵成龙【期刊名称】《计算机仿真》【年(卷),期】2011(028)007【摘要】关于汽轮发电机系统一定要保证可靠安全.研究汽轮机发电机组的故障快速诊断问题上,针对汽轮发电机故障具有多样性和不确定性,传统BP神经网络不能很好的识别这种特性,存在训练时间长、误差收敛速度慢的缺陷,故障诊断正确率低.为了提高汽轮发电机组的故障诊断准确率,提出一种附加动量法和自适应速率相结合的BP神经网络故障诊断模型.采用附加动量调整了BP神经网络的权值,加快了网络的收敛速度,用自适应速率动态地调整了学习速度,减少了迭代次数,最后利用得到的BP神经网络对故障进行了诊断.在matlab上采用实测汽轮发电机故障数据对故障诊断模型进行测试,相对于传统的BP算法,该算法不仅迭代次数少、学习速度加快,而且故障诊断准确率高.结果表明,有效地克服了传统的梯度下降的BP算法的缺陷,诊断结果可为保证汽轮发电机安全运行提供保障.%Study the fault diagnosis of turbine generator. Turbine generator fault has diversity and uncertainty.Traditional BP algorithm has the defects of long training time, slow convergence speed, and low accuracy of fault diagnosis. In order to improve the accuracy in the fault diagnosis of turbine generator unit, we put forward a kind of additional momentum method combined with adaptive rate of BP network model. The algorithm adopts additional momentum to adjust the weights of BP neural network and accelerate the convergence rate of the network, and uses adaptive rate dynamically toadjust the speed of learning and reduce the number of iterations. Finally, BP neural network is used to diagnose the fault in turbine generator unit. In matlab platform, the actual monitoring data are used to test the fault of turbine generator unit based on the improved BP algorithm. Compared with the traditional BP algorithm,this algorithm has fewer iteration times, faster learning speed, and higher fault diagnosis accuracy. The experimental results show that this method can effectively overcome the traditional gradient descent of BP algorithm, and the diagnosis results also conform to the real faults.【总页数】5页(P325-328,332)【作者】张冉;赵成龙【作者单位】泰山职业技术学院,山东,泰安,271000;泰山职业技术学院,山东,泰安,271000【正文语种】中文【中图分类】TP391【相关文献】1.基于BP神经网络及其改进算法的汽轮发电机组故障诊断 [J], 马路林;姚刚2.改进的BP神经网络在汽轮发电机组故障诊断中的应用 [J], 黄竹青3.汽轮发电机组振动故障诊断中的改进BP算法 [J], 李化;孙才新;廖瑞金;陈伟根;胡雪松4.改进的BP网络在汽轮发电机组故障诊断中的应用 [J], 张利平;王铁生;索丽生5.一种改进型BP网络在汽轮发电机组故障诊断中的应用 [J], 何成兵;顾煜炯;杨昆因版权原因，仅展示原文概要，查看原文内容请购买。
基于神经网络的燃气轮机故障诊断
油在燃气空气通道 内燃烧时 ， 发动机气流通道的零
件上积有相当厚的一层积炭 。这层积炭会使零件的 冷却效果恶化 ， 从而导致零件 恶化、 滑油消耗量 增 大。
４ Ｂ 神 经网络故 障诊 断 Ｒ Ｆ
４ １ Ｒ Ｆ神经 网络 训练样 本 集 的设计 ． Ｂ
较好的方法是开发一个故障诊 断系统来进行诊断。
但是对于这种高度非线性系统 ， 传统 的学习算法显
得力不从心 ， 难以得到准确 的诊 断结果。本文所研 究的主要 内容就是应用径 向基函数神经网络来构建 这样一个系统 ， 以对燃气轮机装置进行故障诊断。
图 １ Ｒ Ｆ神 经 网 络 的结 构 Ｂ
原因的分析 ， 选取 ７ 个故障征兆 ， 同时还需对这些征 兆进行规一化处理。根据 系统结构参 数及运行 参
工作时 ， 密封不良处可能出现漏油现象 ； ｃ 由于加油不足 、 ． 漏油和发动机工作时滑油消
耗量大而造成的油箱油量不足 ；
ｄ 由于过热或化学成分改变而造成滑油粘度 ．
数， 为正常值 ， 为越 限值 。表 １ ０ １ 是某型燃气 轮机
系统的典型故障训练样本集。
表 １ 燃气轮机滑油 系统典 型故障训练样本集
故障代号 Ｚ １
Ｄ１ Ｄ ２ Ｄ ３
Ｄ ４
降低 ， 此时进入发动机的滑油增加 ， 但其润滑能力降 低， 故不能保证摩擦表面得到正确的润滑 ； ｅ 滑 油泵减压 活 门在 打开 位 置上 滞住 ， 由于 ． 多
经过多年的研究和发展 ， 人工神经网络产生了 很多模型。Ｒ Ｆ径 向基函数 ） Ｂ（ 人工神经网络就是其 中的～种 。和 Ｂ Ｐ神经 网络一样 ， 它是一种多层前
基于神经网络的汽轮机故障智能诊断系统的设计
第２ ６卷 第 １ 期
２０ 年 Ｏ ０８ １月
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） Ｊｕ ａ ｏ ａ ｓ Ｕ ｉ ｒｔ Ｎ ｔ ａ ｃ ｎｅＦ ｉｏ ） ｏ ｒ ｌ ｆ ｉ ｉ ｎ ｅｓｙ（ ａ ｒｌ ｉ ｃ Ａｔ ｎ ｎ Ｊ ｍｕ ｖ ｉ ｕ Ｓｅ ＿ ｉ
２ Ｂ 神经 网络训练步骤 ） Ｐ （ ）网络初始化 ， １ 随机设 定连接权值 ， ，
① 收稿 日期 ：０７ ２ ０ ２０ —１— ３ 作者简介 ： 谢三毛（９５ ， ， １ 一）男 江西吉安人 。 ６ 剐教授 。 从事机械设备故障诊断教学与研究 工作 ．
维普资讯
第 １期
谢 三毛 ： 于神 经 网络的 汽轮机 故 障智 能诊 断 系统 的设 计 基
５ １
阈值 ６， 学 习因子 ， 态 因子 ａ ，ｂ ， 势 ．
取： 汽轮发电机属于大型旋转机械 ， 通常用振动幅 值来识别机组故障 ． 由于汽轮机的故障振动特征量 分布在 ９ 个频段 内， 因此输入元 的个数取为 ９ （） ；２ 网络输 出元的选取： 由于汽轮发 电机组中有 １ 种 ０ 常见的典型故障 ， 以该 Ｂ 所 Ｐ网络的输 出元的个数
摘
要： 介绍 了Ｂ Ｐ神 经 网络 的 结构 和 算法 ， 分析 了如 何将 Ｂ Ｐ神 经 网络 用于机 械 设 备 的 故 障
诊 断． 结合 汽轮 发 电机 组 的故 障特性 ， 立 了汽轮 发 电机 组 故 障诊 断的神 经 网络 模 型 ， 建 并利 用该 神 经 网络模 型对 汽轮发 、机 组 的故 障进行 了诊 断 ， 断结果是 正 确和 有效 的 ． 也 诊
关键词 ： Ｂ 神经网络； Ｐ 汽轮机 ； 智能诊断； 设计 中图分类号 ： Ｔ １ ；Ｐ０ ． Ｈ ７Ｔ ２６３ 文献标识码： Ａ
基于小波-神经网络的某电厂汽轮机振动故障诊断系统的研究
行 的可靠性 、安全性提出了更高 的要求 Ｊ 。汽 轮发
电机组振 动信号 的分析是其故障诊断的主要手段 ，作
者 以某 电 厂 汽 轮 机 的 故 障 诊 断 为 工 程 背 景 ，利 用 Ｍ Ａ Ｔ Ｌ Ａ Ｂ将小波分析及神经网络应用 于汽轮发 电机组
系统则 可以快速分析故 障信号并有效地对汽轮机振动
基 于 小波 一 神 经 网络 的某 电厂 汽 轮机 振动 故 障诊 断 系统 研 究
余 熳 烨 ，林 颖
（ 华 南理工 大 学广州 学院 ，广 东广州 ５ １ ０ ８ ０ ０ ）
摘要 ：以某 电厂 的汽轮机组振动故障诊断为工程背景 ，针对振动信号 的分析处理方法 、小 波包 能量法提取特 征 向量及 神经网络技术在 汽轮机振动故 障诊断 中的应用展开深入的研究。实践 表明 ：设计 的系统在汽轮 机的振动故 障诊 断 中取得 了
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ：Ｓ ｔ ｅ ａ ｍ ｔ ｕ ｒ ｂ ｉ ｎ ｅ ｕ ｎ ｉ ｔ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｏ ｆ ａ ｐ ｏ ｗ ｅ ｒ ｐ ｌ ａ ｎ ｔ ｗａ ｓ ｔ ａ ｋ ｅ ｎ ａ ｓ ｔ ｈ ｅ ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ｂ ａ ｃ ｋ ｇ ｒ ｏ ｕ ｎ ｄ ．Ａｎ ａ ｌ ｙ ｓ ｉ ｓ ｍｅ ｔ ｈ — ｏ ｄ ｓ ｆ ｏ ｒ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｓ ｉ ｇ ｎ ｌ， ａ ｅ ｉ ｇ ｅ ｎ ｖ ｅ ｃ ｔ ｏ ｒ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｂ ｙ ｕ ｓ ｉ ｎ ｇ ｗａ ｖ ｅ ｌ ｅ ｔ ｐ ａ ｃ ｋ ｅ ｔ ｓ ａ ｎ ｌｙ ａ ｓ ｉ ｓ ａ ｎ ｄ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｎ ｅ ｕ ｒ ｌ ａ ｎ ｅ ｔ ｗｏ ｒ ｋ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｓ ｉ ｎ ｔ ｕ ｒ ｂ ｉ ｎ ｅ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｗ ｅ ｒ ｅ ｉ ｌ ｌ ｕ ｓ ｔ ｒ ａ ｔ ｅ ｄ ．Ｐ ｒ ａ ｃ ｔ ｉ ｃ ｅ ｓ ｈ ｏ ｗ ｓ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｄ ｅ ｓ ｉ ｎｅ ｇ ｄ ｓ ｙ ｓ ｔ ｅ ｍ ｈ ａ ｓ ｇ ｏ ｏ ｄ ｅ ｆ ｅ ｃ ｔ ｉ ｎ ｖ ｉ ｂ ｒ ａ ｔ ｉ ｏ ｎ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ｏ ｆ ｔ ｕ ｒ ｂ ｉ ｎ ｅ ．
基于小波-神经网络的汽轮机转子故障诊断
２为了更准确描述信号 中能量的变化 ， Ｘ０ Ｘｌ Ｘ２ ） 对 ３、 ３、 ３、
Ｘ 、 Ｘ３ ４
、
径 向基函数网络算法如下【： ｕ ｓ ａ 函数网络的学 习参数 Ｇ ａｓ ｎ １ ｉ 有３ ， 个 即各 ＲＢ Ｆ的 中心 Ｃ 方 差 以及输入 单元的权值 。 、 步骤１ ： ＾向量中选— 初始中一值 Ｃ ， 输 耳 巳 ｔ 注意ｃ的催 强 同。
Ｘ３ ５
Ｘ３ ６
、 、
Ｘ７ ３ 采取一定 的削减算法。
① 计 算 各 个 节 点 分 解 系 数 的 削 减 阀 值
Ｔｘ √ ｃ ｈ ｝ ｆ ￣ ｒ ３ ｓ
其 中ｋ 示 ｘ 表 的长度 ， 且
Ｘ ＝ ［ ｆ ｉ， ｆ ， ， ｆ ＾１。 ３ ｃ ｓ３ Ｉ ｃ ｓ ２ … ｃ ｓ３ｉ ３ｉ
ＲＢ 网络的产生具有很强的生物背景 。 Ｆ 在大脑皮层 区域 ， 局
步骤６如果 网络 收敛则计算停止 ， ： 否则转到步骤 ４ 。
部 的调 整和重叠接 收区域是大脑 响应的特性 。基 于这些特性 ， Ｍｏ ｄ 和 Ｄ ｒｅ 设计 了一个神经网络结构［。 Ｆ网络 的传递 ｏｙ ａｋ ｎ ６ ＲＢ １ 函数通常采用像 Ｇ ａｓ ｎ核 函数 ： ｕ ｓａ ｉ
Ａ （ ） ｄ ｆ ， ｎ ， ， ｃ ）
（） （） ＝ 一Ｙ （） 式 中 Ｙ（） 一 一 网络期 望输 出 ； ， ， 一一 ３ 个参数 的
学习步 长。
ｒ 『 百 ＝
输入 。
］作为Ｒ Ｆ ， Ｂ 神经网络的
２３ 径 向基 函数 ｆ Ｆ网络 及算 法 ． ＲＢ ）
维普资讯
维普资讯
《 动 技 应 》 ０７ 第２ 卷 ２ 自 化 术与 用 ２０ 年 ６ 第１ 期
汽轮机异常振动原因分析及解决对策
汽轮机异常振动原因分析及解决对策一、汽轮机异常振动的原因分析1. 设备故障汽轮机异常振动的一个常见原因是设备本身的故障。
轴承损坏、叶轮脱落、机械松动等问题都有可能导致设备的振动异常。
这些故障可能是由于设备长时间的运行而导致的磨损，也可能是由于设备制造过程中的质量问题所导致的。
在分析汽轮机异常振动问题时，需要首先对设备进行全面的检查，找出可能存在的故障点。
2. 过载运行汽轮机在运行过程中如果超负荷工作，就会导致振动异常。
过载运行会导致设备受力过大，从而引起设备振动增大。
而且，长期的过载运行还会导致设备的损坏，严重影响设备的寿命。
在使用汽轮机时，必须严格按照设备的额定工况进行运行，不得超负荷使用。
3. 润滑不良汽轮机在运行过程中需要灯油润滑，如果润滑不良就会导致摩擦增大，从而引起设备的振动异常。
润滑不良还有可能导致设备的部件磨损加剧，对设备的安全运行造成严重威胁。
在使用汽轮机时，需要定期对设备进行润滑检查，确保设备的润滑系统正常运行。
4. 不平衡汽轮机在运行过程中，如果叶轮不平衡，就会导致设备的振动异常。
不平衡是由于叶轮制造过程中的不当操作、设备运输过程中的损坏等原因所导致的。
不平衡会引起设备振动增大，严重的还会导致设备的破坏。
在安装汽轮机时，需要对叶轮进行严格的动平衡检查，确保叶轮的平衡性。
二、汽轮机异常振动的解决对策1. 设备维护对于汽轮机异常振动问题，首先需要进行设备的维护保养。
及时更换轴承、叶轮等易损部件，确保设备的正常运行。
还需要定期进行振动检测，对设备的振动情况进行监测，及时发现问题并进行处理。
2. 增加防护设施为了防止汽轮机在运行过程中受到外部冲击，可以在设备周围增加防护设施，确保设备的安全运行。
可以在汽轮机周围设置振动传感器，一旦发现设备振动异常就可以及时进行处理。
3. 优化润滑系统为了确保汽轮机的正常运行，需要优化润滑系统，确保设备的摩擦系数在合理范围内。
可以通过增加润滑油流量、更换润滑油等方式来改善润滑系统，减小设备的摩擦损失。
汽轮机振动分析与故障诊断
汽轮机振动分析与故障诊断摘要：当前，国家十分重视生物可降解、新能源、新材料等方面的开发，汽轮机是火电厂中的关键设备之一，具有、高速、连续工作且处于核心地位的特点，其运行状况好坏直接影响企业的生产，一旦出现振动高将引起停机。
而出现振动高进行原因分析时，往往只能在仪表和工艺参数方面得到较准确的结论，而对于汽轮机本身机械方面的只能分析可能的原因，需要解体验证，借助故障诊断仪器能准确的诊断出汽轮机机械方面的问题。
研究并应用先进的故障诊断技术不仅可以早期发现故障，避免恶性事故的发生，可以更有效的指导设备的维修管理，从根本上解决目前设备定期维修不足和维修过剩的问题，通过及时检测汽轮机振动变化，掌握历史频谱图和设备的劣化，可有效防止损伤设备关键部件，延长使用寿命，提高可靠性，可以在有限的使用寿命周期内创造最大的价值，作为制定设备维护策略的有效方法。
关键词：汽轮机；振动分析；故障诊断引言汽轮机运行监测日趋完善，汽轮机监视系统可以实时监控，并记录汽轮机转速、振动、膨胀、偏心和轴向位移等机械参数，当出现参数越限时可以快速完成保护动作。
振动参数(轴振、瓦振)作为重要的保护参数，能够反映汽轮机转子的某些运行特征。
通过频谱分析，可以推测出转子不平衡、动静碰摩和自激振动等故障。
1汽轮机振动分析1.1气流激振导致汽轮机组出现异常振动的一个重要原因就是气流激振，因为相较普通汽轮机来说，汽轮机组的末级较长，因此在叶片膨胀末端气体极易出现流道紊乱的问题，从而导致气流激振的现象出现，引发异常振动。
一旦出现气流激振故障，要求有关人员判断汽轮机组有无出现大量值的低频分量，还有运行参数的幅值变化是否出现振幅过大的情况。
所以，要想避免因为气流激振而导致机组出现异常振动的情况，应当在规定参数下运行汽轮机组，避免其长期运行在低压低温环境，而且还需要合理地控制汽轮机的升负荷率，避免由于负荷波动过大而导致气流激振的情况出现。
1.2动静间隙汽轮机转子与汽缸和汽、轴封之间以及发电机转子与静子之间都存在间隙。
基于神经网络的工业用汽轮机性能预测与优化
基于神经网络的工业用汽轮机性能预测与优化工业用汽轮机是一种重要的能量转换设备，在工业生产中扮演着至关重要的角色。
为了提高工业用汽轮机的性能和效率，基于神经网络的性能预测与优化方法被广泛应用。
本文将介绍基于神经网络的工业用汽轮机性能预测与优化的方法和应用。
首先，我们会简要介绍神经网络的基本原理和工作方式。
神经网络是一种模仿人脑神经系统的计算模型，它由多个相互连接的神经元组成。
通过输入层、隐藏层和输出层的层次结构，神经网络可以实现复杂的非线性映射关系。
通过调整神经元之间的连接权重和阈值，神经网络可以学习和推理出输入与输出之间的映射关系。
基于神经网络的工业用汽轮机性能预测主要通过建立一个神经网络模型，将输入的特征参数与输出的性能指标进行映射。
首先，我们需要确定输入特征参数，这可能包括汽轮机的转速、进气温度、进气压力、出气温度等。
然后，我们需要收集大量的实验数据，通过对这些数据进行训练，调整神经网络的连接权重和阈值，使得神经网络能够准确地预测出汽轮机的性能指标。
在工业用汽轮机性能预测中，基于神经网络的方法具有很多优势。
首先，神经网络能够处理非线性关系，而汽轮机的性能往往受到多个复杂的因素的影响，因此神经网络可以更好地捕捉这种复杂的关系。
其次，神经网络可以通过学习大量的实验数据来提高预测的准确性，而不需要进行复杂的理论分析。
此外，神经网络还能够适应输入数据的变化，并具有一定的容错性。
除了性能预测，基于神经网络的方法还可以应用于工业用汽轮机的优化。
通过建立一个优化模型，我们可以将输入的控制参数与输出的优化目标进行映射。
然后，通过调整控制参数，使得输出的优化目标达到最优。
为了实现这一目标，我们需要将神经网络与其他优化算法相结合，例如遗传算法、粒子群优化算法等。
工业用汽轮机性能预测与优化的应用非常广泛。
首先，它可以帮助工程师预测和评估不同工况下汽轮机的性能，为工业生产提供参考和指导。
其次，它可以用于优化汽轮机的控制策略，提高汽轮机的效率和性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
位， 而且 充 分 发 掘 了强 成 长 性 抗体 的 寻优 潜 力 ， 全 局 最 优 解 的 搜 索 快 速且 有效 。 践 表 明 ， 传统 算 法 相 比 ， Ｇ 对 实 与 ＶＩ —
ＮＮ 能 够 更 准 确地 模拟 故 障 征 兆 与 故 障类 型之 间的 非 线 性 关 系 ， 高 了汽 轮 机 振 动 故 障诊 断 的准 确 率 。 提
关 键 词 免 疫遗 传 算 法
中 图分 类 号 ＴＫ２ ７ ６
神 经 网络
汽 轮机
故 障 诊 断
的一 组 网络 参数 。待优 化 的神 经 网络 参数包括 输入
引 言
汽 轮机 的故 障征兆 与故 障类 型 之间往 往呈现 为
典型 的非 线性关 系 ， 难用 函数关 系来描述 。 很 神经 网 络模 型能够 较好 地 模 拟这种 非 线性 关 系 ， 提高诊 断
层至 隐含层 的权值 、 含层至输 出层 的权值 、 隐 隐含层 各 神 经元节 点 的阈值 以及 输 出层 各神经 元节点 的 阈
值 。神经 网络 的原 理如 图 １ 所示 。
的准确率 。在神 经 网络的训 练中 ， 常用 的 Ｂ Ｐ算 法是
一
输入
输 出
种基 于梯度 的搜索算 法 ， 在学 习效率低 、 存 收敛速 本文 将基 于疫苗接 种策 略的免 疫遗传 算法 （ — ｉ ａ ｒ
是 一个个 体 ， 而是仅 仅具备某 些基 因位 的特 征 。 ］
１ １ １ 提 取 疫 苗 ．．
提 取疫 苗 即从 优 秀抗 体 截取 某些 基 因段 ， 该疫 苗 将 以较 大 的概率 与最优解 的相应部 分一致 。疫苗 提 取方法 是 ： 记第 ｋ 代 中的 ３个 不同 的最优 抗体 一１ 为工 ， 和ｚ ， 。且抗 体适应 度ｆ ｘ ） （ ≥厂 ｚ ） （ 。≥厂 － ） （ 。， ｚ
运 用 免疫 遗传 神 经 网络 的汽 轮机 振 动 故 障诊 断 。
程 力 曼 谢 志 江 刘利 云 孙 红岩 ， ， ，
（重 庆 大 学 机 械 工程 学 院 摘要 重 庆 ，０ ００ （中 国船 舶 重 工 集 团公 司第 七 一 九研 究 所 ４０３） 武 汉 ，３０ ４ ４０６）
于生物 免疫 机制 的 一种 改进 的 遗传 算法 ， 遗传 算 在
法 （ｅ ｅｉ ａｇ ｒ ｈ 简称 ＧＡ） ｇ ｎ ｔ ｌｏ ｉ ｍ， ｃ ｔ 的基 础 上融 合 了生
１ １ 疫 苗 接 种 ．
为 了促 进 抗 体对 抗原 的识 别 ， 加速 算 法搜 索 速 度， 疫苗 被引入 本算 法 。 疫苗 是根据进 化环境 或待解 问题 的先 验知 识 得到 的对 最佳 个 体基 因的估 计 ， 不
数。
。
重 庆 市 自然 科 学 基 金 资 助项 目（ 号 ：０ ８ Ｂ １ ９ 编 ２ ０Ｂ ３７ ） 收稿 日期 ：０ ９Ｏ—８ 修 改 稿 收到 日期 ：０ ９０ —０ ２０ 一１０ ； ２０ —４２
振 １ １ ２ 接 种 疫 苗 ．．
动 、测
试
与
诊
断
第 ３ Ｏ卷
用 百分 比表示 的定 义对两 个抗体 相似程 度 的描述更 为直观 、 精确 ， 其计 算量更 小口 。 ］
｛ ｉ— ｉＩ≤ （ １ ） （ ｌ 一 Ｘ３ １ ～Ｍ １ ） Ｘｌ
其 中 ： ｌ ３ ｚ 别为抗 体ｚ ， ２ｚ 的第 ｉ 分量 ； ｚｆ ２ ， 。 ，２ 分 ｌ２ ， ３ １ ２ 个 ｅ０ ０ ≤￡ Ｏ １ 为给定 正常数 ； 为抗体 向量 的维 （． １ ≤ ． ） Ｍ
第 ３ 卷第 ６ Ｏ 期
２１ ０ ０年 １ ２月
振 动 、 试 与诊 断 测
Ｊ ｕ ｎ ｌ ｆＶｉ ｒ ｔ ｎ． ｅ ｓ ｒ ｍｅ ｔ＆ Ｄｉｇ ｏ ｉ ｏ ｒ ａ ｂ ａ ｉ Ｍ ａ ｕ ｅ ｎ ｏ ｏ ａ ｎ ｓｓ
Ｖ ｏ ．３ ｏ Ｉ ０ Ｎ ．６ Ｄｅ ｃ． ２ ０ ０１
取满 足下式 的抗 体分 量 （） 序列 为第 七代 疫苗
轮机 发 电机 组故 障的诊断 ， 结果表 明 ， Ｇ— 有效 ＶＩ ＮＮ 地提 高 了汽轮机故 障诊断 的准确 率 。 ］
免 疫遗 传 神 经 网络
在ＶＩ — Ｎ 中 ， ＧＮ 用抗 原对应 目标 函数 ， 抗体对 应 目标 函数 的解 个体 ， 抗体 群形成 目标 函数 的解空 间 。 ＶＩ 搜索所 有进化 代 中使神经 网络 全局 误差最 小 ＧＡ
物 免疫 系统 的抗 原 识 别 、 体 多样 性 、 苗 接种 、 抗 疫 浓 度 控制 等机 制 ， 既保 留了遗 传算 法 随机 全 局并行 搜 索 的特点 ， 又大 大避免 了未成熟 收敛 ， 保 了算 法快 确 速 收敛于 全局最 优解 。将 基 于疫 苗接种 策略 的免疫
遗 传神经网络（ ｉ ｍｍｕ ｅ ｇ ｎ ｔ ｅ ｒｌｎ ｔ ｒ ｓ ｎ ｅ ｅｉ ｎ ｕａ ｅｗｏｋ ｃ ｂ ｓｄｏ ａｃ ｅｉｏ ｕａｉｎ 简 称 ＶＩ ＮＮ） 于 汽 ａｅ ｎｖ ｃｉ ｃ ｌｔ ， ｎ ｎ ｏ Ｇ— 用
输 入层
度慢 、 陷入局 部最优 等缺点 ［ 。 易 １ ］
隐 含层 输 出层
ｍｕｎ ｎｅ ｉ ａ ｇ ｒｔ ｅ ｇｅ ｔｃ ｌ ｏ ｉｈｍ ｓ ｄ ｏｎ ｖ ｃ ｉ ｎ ｃ ａ ｂａ ｅ ａ ｃｎｅ ｉ ｏ ｕｌ—
图 １ 神经 网络 原 理 框 图
ｔ ｎ 简称ＶＩ ｉ ， ｏ ＧＡ） 于神经 网络 的训 练 。 ＧＡ 是基 用 ＶＩ
提 出 了基 于 疫 苗 接 种策 略的 免 疫 遗 传 神经 网络 （ Ｇ— ＶＩ ＮＮ） 法 ， 将 其 用 于 汽轮 机 的 振 动 故 障诊 断 。 算 法 算 并 该
将 疫 苗 接 种 、 于 浓 度 的 抗 体 选择 、 基 自适 应交 叉 和变 异 概 率 引入 遗 传 算 法 ， 仅 保 持 了优 良抗 体 在 进 化 中 的主 导 地 不