在线永久免费观看黄网站,亚洲毛片AV日韩AV无码,亚洲精品人成无码中文毛片,老司机午夜福利视频免费播放,亚洲精品第一国产综合精品99,亚洲AV无码一区二区一二区,国产精品亚洲精品日韩已满,国产精品久久久久久精品三级,成人免费无码大片A,日本精品成人一区二区三区视频

　　隨著我國(guó)經(jīng)濟(jì)建設(shè)和核能利用技術(shù)的快速發(fā)展，十分需要研制性能更可靠、單機(jī)容量更大的核電汽輪發(fā)電機(jī)是迎合這種發(fā)展的主要研究方向。

　　另一方面，近年來(lái)，國(guó)內(nèi)外大型汽輪發(fā)電機(jī)在運(yùn)行時(shí)，常有事故發(fā)生，發(fā)生這些事故的主要原因之一是對(duì)這些發(fā)電設(shè)備的動(dòng)力特性分析和狀態(tài)監(jiān)測(cè)缺乏合理和有效的方法，譬如，常規(guī)的分析和監(jiān)測(cè)方法大多建立在平穩(wěn)隨機(jī)振動(dòng)信號(hào)分析的基礎(chǔ)上，這顯然是不夠的，因?yàn)榇笮推�輪發(fā)電機(jī)組在運(yùn)行時(shí)，其轉(zhuǎn)速是波動(dòng)的，尤其是所發(fā)生的事故中，不少是在機(jī)組的升速與降速階段，因此，必須要采用非平穩(wěn)隨機(jī)振動(dòng)信號(hào)分析的方法來(lái)研究核電百萬(wàn)千瓦級(jí)汽輪發(fā)電機(jī)的動(dòng)力特性，為我國(guó)研制這類(lèi)汽輪發(fā)電機(jī)奠定基礎(chǔ)。

　　對(duì)于非平穩(wěn)隨機(jī)振動(dòng)信號(hào)，到目前為止，尚未有統(tǒng)一、完善的分析方法，比較常用的有時(shí)變AR模型、Wigner-Ville分布、基于分段準(zhǔn)則的分段平衡處理和人工神經(jīng)網(wǎng)絡(luò)等等。本文作者利用KL分解將非平穩(wěn)隨機(jī)振動(dòng)信號(hào)進(jìn)行正交分解，這樣，使非平穩(wěn)隨機(jī)信號(hào)在原低維空間中非線性不可分的時(shí)變信號(hào)在高維正交空間中得到有效的分解，再以此分解后的高維正交空間的信號(hào)作為單層前向神經(jīng)網(wǎng)絡(luò)的輸入模式，最后通過(guò)在單層前向網(wǎng)絡(luò)中采用遞歸聯(lián)想進(jìn)行一次遞交聯(lián)想學(xué)習(xí)，因而克服了常規(guī)的單層前向網(wǎng)絡(luò)僅是線性可分及學(xué)習(xí)過(guò)程中需重復(fù)提交一系列要記憶的輸入模式來(lái)調(diào)整權(quán)值之不足。亦加快了分類(lèi)速度。

　　在獨(dú)特的、自行設(shè)計(jì)的核電百萬(wàn)千瓦級(jí)汽輪發(fā)電機(jī)組軸系模擬試驗(yàn)臺(tái)上，本文采集了多種狀態(tài)下的非平穩(wěn)隨機(jī)振動(dòng)信號(hào)并應(yīng)用上述方法將這些信號(hào)輸入由C語(yǔ)言編寫(xiě)的“改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)”計(jì)算機(jī)程序中進(jìn)行分類(lèi)，結(jié)果表明，本文提出的方法是十分有效的。

　　1改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)基于上述，這里，先對(duì)非平穩(wěn)隨機(jī)振動(dòng)信號(hào)進(jìn)行K―L分解。

　　L分解的基本思想是對(duì)一個(gè)非平穩(wěn)隨機(jī)振動(dòng)信號(hào)x（（），經(jīng)采樣得離散的樣本向量，其分量為x（k），k=1一K且記它的相關(guān)函數(shù)為Rx（h，k2），其中k，k2在1-K中取值。將x（k）進(jìn)行正交分解得：m一1并使后，由輸出層輸出。為一閾值，在以下計(jì)算中取為零。

　　針對(duì)一個(gè)平穩(wěn)隨機(jī)振動(dòng)系統(tǒng)，我們采集其非平穩(wěn)隨機(jī)振動(dòng)信號(hào)，并由K一L分解特征值，將特征值作變換到m空間，即可建立起改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)的輸入、輸出模式對(duì)可用一個(gè)聯(lián)想矩陣Y將輸入廣聯(lián)想到輸出弘亦即：則式（6）等價(jià)于分解。分解的方法有多種，本文采用QR滿秩分解法：上R為上三角矩陣Q為正交矩陣。采用GranrSchmidt正交化方法可推出R、Q的計(jì)算式，它們分別為：是0的第is列向量（=1（1）m）它們就是A列空間的最大規(guī)格正交組，A+1表示A的第/+1列向量。

　　2實(shí)例是為研究核電百萬(wàn)千瓦級(jí)汽輪發(fā)電機(jī)動(dòng)力特性而研制的多功能軸系模擬試驗(yàn)臺(tái)（己申請(qǐng)了國(guó)家專(zhuān)利并獲受理），該試驗(yàn)臺(tái)有如下特點(diǎn)：可進(jìn)行碰摩、不對(duì)中，揚(yáng)度曲線變化和支承松動(dòng)等多種故障試驗(yàn)；支承形式可簡(jiǎn)支、半簡(jiǎn)支和固定等多種形式；水平支承剛度和垂直支承剛度可在一定范圍內(nèi)無(wú)級(jí)調(diào)整與組合；YA向神經(jīng)網(wǎng)絡(luò)通過(guò)輸入模式來(lái)獲得網(wǎng)絡(luò)的輸出。而要建在試驗(yàn)系統(tǒng)中，拾振米用丹麥產(chǎn)bk4366型加速立聯(lián)想矩陣只需作如下運(yùn)算度傳感器C固定在發(fā)電機(jī)勵(lì)端支座上X信號(hào)放大采用=XA+ '（8）BK2635型電荷放大器，數(shù)據(jù)采集與分析采用CRAS軟式（、中A的逆要田廣義逆來(lái)表示因?yàn)楦室话慵�和作者用C語(yǔ)言編寫(xiě)的“改進(jìn)的單層前向神經(jīng)網(wǎng)表1改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)之分類(lèi)結(jié)果工況輸入樣本期望輸出實(shí)際輸出正常XC1）表2分類(lèi)時(shí)迭代次數(shù)的比較運(yùn)行工況迭代次數(shù)常規(guī)的單層前向神經(jīng)網(wǎng)絡(luò)改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)正常51202959碰摩61763778不對(duì)中68503921揚(yáng)度曲線變化63223802松動(dòng)70404095絡(luò)”故障診斷軟件。

　　試驗(yàn)系統(tǒng)中，轉(zhuǎn)子系統(tǒng)為三軸六轉(zhuǎn)盤(pán)六支承系統(tǒng)，其模擬核電百萬(wàn)千瓦級(jí)汽輪發(fā)電機(jī)組中的勵(lì)磁機(jī)、發(fā)電機(jī)和汽輪機(jī)（低壓級(jí)）三根轉(zhuǎn)子之系統(tǒng)。在系統(tǒng)升速時(shí)，模擬正常、碰摩、不對(duì)中、揚(yáng)度曲線變化和支承（螺栓）松動(dòng)等5種工況在同樣的時(shí)間歷程（試驗(yàn)中取10s）及相同的初、末轉(zhuǎn)速下（試驗(yàn)中由500rpm至3000rpm）重復(fù)測(cè)得轉(zhuǎn)子系統(tǒng)在各種工況下時(shí)的非平穩(wěn)隨機(jī)振動(dòng)信號(hào)，經(jīng)離散后對(duì)各種工況都取6個(gè)樣本每個(gè)樣本向量中都取80個(gè)分量，然后由所示的改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)、分類(lèi)。所有的結(jié)果如表1所示，這里，正常工況樣本的期望輸出為1，故障工況樣本的期望輸出為零。由表1可見(jiàn)，在正常工況下神經(jīng)網(wǎng)絡(luò)實(shí)際輸出接近1，而各種故障工況的輸出接近于零，所以本文提出的“改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)”對(duì)非平穩(wěn)運(yùn)行狀態(tài)有十分有效的分類(lèi)功能。

　　表2中，將常規(guī)的單層前向神經(jīng)網(wǎng)絡(luò)和本文的改進(jìn)單層前向神經(jīng)網(wǎng)絡(luò)分類(lèi)時(shí)的次數(shù)進(jìn)行比較，后者比前者在分類(lèi)時(shí)的迭代次數(shù)顯著減少。

　　3結(jié)論本文根據(jù)核電百萬(wàn)千瓦級(jí)汽輪發(fā)電機(jī)轉(zhuǎn)子系統(tǒng)而設(shè)計(jì)了多功能軸系模擬試驗(yàn)臺(tái)，在該試驗(yàn)臺(tái)上模擬碰摩、不對(duì)中、揚(yáng)度曲線變化和松動(dòng)等多種故障工況，并由在故障工況下采集了非平穩(wěn)隨機(jī)振動(dòng)信號(hào)作為輸入?yún)��?shù)輸入本文的“改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)”進(jìn)行識(shí)別，這樣既保留了單層前向網(wǎng)絡(luò)不會(huì)陷入局部最小點(diǎn)的優(yōu)點(diǎn)，又有效地提高了常規(guī)的單層前向網(wǎng)絡(luò)的學(xué)習(xí)效率，大大減少了分類(lèi)時(shí)的迭代次數(shù)。轉(zhuǎn)子系統(tǒng)的試驗(yàn)和分析、計(jì)算結(jié)果表明本文“改進(jìn)的單層前向神經(jīng)網(wǎng)絡(luò)”之實(shí)用性是令人滿意的。