（水利水电工程专业论文）基于神经网络的水电机组动载识别研究.pdf

大连理工大学硕士学位论文 摘要 水电机组及厂房建筑物由于其结构特点和功能需要，运行中的振动问题非常普遍。 水电机组在实际运行过程中所承受的各类动载荷是进行振动分析和动态设计的基础数 据。然而，由于水电机组规模较大，动荷载时空分布复杂等特点，直接测量其动态力有 许多困难，所以利用动载识别技术来分析识别机组的动载荷具有重要的工程实用价值。 本文着眼于将神经网络技术引入到水电机组动载荷识别中来。神经网络作为一种载荷识 别的新技术，与其它一些传统的方法相比具有很多优势。使用神经网络进行动载荷识别 不需要计算模态矩阵、质量矩阵及刚度矩阵，实现过程简单，识别精度高且无累积误 差。早期使用神经网络进行载荷识别通常都采用标准b p 网络，但该方法存在易陷入局 部极小值和学习算法收敛速度慢等问题。本文旨在尝试采用和比较近年来出现的几种新 型网络算法以进行水电机组的动载识别探讨。 本文第一部分进行了几种不同的神经网络算法动载荷识别效果对比。首先，对附加 动量法的b p 网络、基于l m 优化算法的b p 网络及r b f 网络进行了网络结构设计及参 数选择。然后分别实现了应用三种网络对不同类型的动载荷进行数值算例的识别计算并 就识别效果进行了比较。结果表明基于l m 优化算法的b p 网络对各类动载荷识别的效 果优于附加动量法b p 网络和r b f 网络。 为了进一步验证基于l m 优化算法的b p 神经网络的识别效果，本文的第二部分进 行了动载识别室内模型实验。由于水电站厂房的上部结构常为一框架结构，因此制作了 一简单框架模型结构。依据测点的优化布髯研究成果，在最优测点位置安装了加速度传 感器，然后施加已知的动载荷并测取加速度响应，对加速度响应进行积分得到测点的位 移时程并将之输入己训练好的神经网络进行动载识别。结果表明，使用基于l m 优化算 法的b p 神经网络进行动载识别具有较高的识别精度。 本文的最后一部分探讨了基于l m 优化算法的b p 神经网络在水电机组动载识别中 应用的可行性。根据水电机组的动态特性，建立了机组轴系的有限元模型，并进行了水 轮机转轮处的水力荷载和发电机定子处的不平衡磁拉力的识别。 关键词：神经网络，水电机组，动载荷，识别 基于神经网络的水电机组动载识别研究 d y n a m i c l o a di d e n t i f i c a t i o nf o rt u r b i n eg e n e r a t o rs e t b a s e do nn e u r a ln e t w o r k a b s t r a c t v i b r a t i o ni nt u r b i n eg e n e r a t o rs e ta n d p o w e r h o u s ei su b i q u i t o u sb e c a u s eo f t h e i rs 廿u c t u r e s p e c i a l i t ya n df u n c t i o n t h ed y n a m i cl o a do np o w e r h o u s ew h e no p e r a t i n gi st h eb a s i cd a t ao f d y n a m i cd e s i g na n dv i b r a t i o na n a l y s i s h o w e v e r ，b e c a u s et h eg e n e r a t o rs e ti ss ol a r g e s i z e da n d t h el o a dd i s t r i b u t i o ni sv e r y c o m p l i c a t e d ，i ti sd i f f i c u l tt om e a s u r ed y n a m i cl o a dd i r e c t l y s o ，i ti s s i g m t i c a n tt h a tu s i n gl o a di d e n t i f i c a t i o nt e c h n i q u et oi d e n t i f yd y n a m i cl o a d i nt h i sp a p e r t h e a u t h o rt r i e st oi d e n t i f yd y n a m i cl o a do f g e n e r a t o rs e tb yn e u r a ln e t w o r k t h en e u r a ln e t w o r ki san e wm e t h o da b o u tl o a di d e n t i f i c a t i o n i ti s s u p e r i o rt ot r a d i t i o n a l m e t h o d si nm a n y a s p e c t s b yt h i sm e t h o d ，t h e r ei sn on e e dt oc a l c u l a t em o d a lm a t r i x ，s t i f f n e s s m a t r i xa n dm a s s m a t r i x ，t h em e t h o di sa l s oe a s y t ol e a r n ，a n dh a s h i g hp r e c i s i o n h l 恤f i r s tp a r to ft h i s p a p e r , t h ea u t h o rc o m p a r e si d e n t i f i c a t i o nr e s u l t sc a l c u l a t e db y d i f f e r e n tn e u r a ln e t w o r ka l g o r i t h m s a tf i r s t ，d e s i g n i n gn e t w o r ks t r u c t u r eo fb pn e t w o r kb a s e d o nm o m e n t u m w a y sa n db pn e t w o r kb a s e do nl ma l g o r i t h ma n dr b fn e t w o r k t h e na p p l y i n g t h r e en e t w o r k si n t oan u m e r i c e x a m p l e t oi d e n t i f yd i f f e r e n td y i l a m i cl o a da n d c o m p a r i n g t h el o a d c a l c u l a t e db yt h r e ea l g o r i t h m s t h er e s u l ti l l u s t r a t e st h a tb pn e t w o r kb a s e do nl m a l g o r i t h mi s s u p e r i o r t ot h eo t h e rt w o a l g o r i t h m si ni d e n t i f y i n gl o a d i no r d e rt ov a l i d a t et h ei d e n t i f i c a t i o ne f f c c tb a s e do nl m a l g o r i t h m i nt h es e c o n dp a r t , t h e a u t h o rd i s c r i b e si n d o o rm o d e le x p e r i m e n ta b o u td y n a m i c1 0 a di d e n f i f i c a t i o na n da n a l y s e st h e r e s u l t i nt h ee x p e r i m e n t ，t h ea u t h o rm a k e sas i m p l ef r a m es t r u c t u r es i m u l a t i n gu p p e rp a r to f p o o r h o u s e ，t h e np l a c e s a c c e l e r a t es e n s o r so nm o d e l a c c o r d i n g t or e s u l tc a l c u l a t e d b y o p t i m i z a t i o nl a y o u to fs e n s o r s b yt h i se x p e r i m e n t , g e t t i n ga c c e l e r a t i o nr e s p o n s ea n dt r a n s l a t i n g i ti n t od i s p l a c e m e n tr e s p o n s e ，t h e np u t t i n gi ti n t on e t w o r kw h i c hh a sb e e nt r a i n e d t h er e s u l t i l l u s t r a t e st h a ti d e n t i f y i n gd y n a m i cl o a db yb pn e t w o r kb a s e do nl m a l g o r i t h mi se f f e c t i v e i n t h el a s tp a r to f t h i sp a p e r , t h ea u t h o rb u i l d sf e mm o d e l o f g e n e r a t o rs e ta c c o r d i n g t ot h ed ”a m i c c h a r a c t e r i s t i ca n di d e n t i f i e sd y n a m i cl o a do nt u r b i n ea n ds t a t o r r e s u l ti l l u s t r a t et h a ti d e n t i f y d y n a m i cl o a do f g e n e r a t o r s e ti sf e a s i b l e k e y w o r d s ：n e u r a ln e t w o r k ；t u r b i n e g e n e r a t o rs e t ；d y n a m i cl o a d ；i d e n t i f i c a t i o n 独创性说明 作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理 工大学或其他单位的学位或证书所使用过的材料。与我同工作的同志对 本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。 作者签名： 丝整 日期翌竺兰 大连理工大学硕士学位论文 1 1 课题的研究背景及研究意义 1 1 1 水电站厂房结构的振动闯题 随着能源结构的调整和可持续发展战略的实施，针对我国是水电能源大国、但开发 利用程度很低这样的状况，目前正加紧进行水电开发，结台西部大开发，实施西电东 送，一大批巨型和大型水电站正在建设和计划中，如三峡、龙滩、小湾等，电站规模均 达世界级，机组的单机容量达到7 0 0 m w 。随着电站规模、水头和容量的提高，机组和厂 房尺寸增大，刚度相对降低，振动和稳定性问题愈益突出 1 - 3 ，引起了广泛关注。 事实上，国内外很多水电站厂房在运行过程中都存在不同程度的振动问题。我国上 世纪五、六十年代投入运行的一些机组，因提前发电、系统负荷少等因素，出现过长期 低负荷运行，致使水轮机运行稳定性较差，但由于机组小，问题尚不突出；近3 0 年来随 着系统的扩大和缺电现象目趋严重，机组单机容量和尺寸不断增大，机组及厂房结构的 刚度相对降低，水轮机在高水头运行区普遍出现了水力不稳定现象，并不同程度地引起 厂房甚至是大坝的强烈振动【4 】。 红石水电站是白山水电站的下游梯级电站，为河床式厂房。机组自运行以来，一直 存在较为明显的振动 5 1 ，主要表现为大轴摆度过大，噪声和厂房结构振动。经过1 0 余年 的维护及研究处理，都难以根治并有日渐加剧的趋势，厂房上下游立柱在发电机层以上 2 m 左右的断面上出现周边裂缝，主副厂房的门窗及墙壁孔洞周边也均有裂缝出现。机组 振动不仅直接影响到厂房及挡水结构，而且传递到挡水坝和溢流坝，引起大坝振动，造 成大坝位移观测设备精度降低。 广西岩滩水电站1 号机投运时，水位为5 0 m 左右：2 号机投运时运行水位为6 0 m 。 随着电厂运行水位提高，机组运行在小负荷( i o o m w 左右) 时机组尾水管出现强烈的低 频压力脉动。当运行水头大于6 0 m ，机组接近最高出力时，机组和厂房均出现剧烈的振 动。特别是在发电机层及副厂房，振动更为剧烈，振动产生时，中控室内有明显感觉， 且沉闷的共鸣声干扰了运行人员的正常工作，影响了监盘人员的注意力。机旁表盘柜由 于振动曾发生保护回路压板松动掉落而引起误动作，导致机组停机的事故。由于振动现 基于神经网络的水电机组动载识别研究 象在某个区域内存在，因此为了避开振动区域，机组在高水头段被迫降负荷运行，使电 厂不仅损失电量，而且调峰能力也大大减弱，还危及了电厂的安全运行f 6 】。 另外，我国已投产的一些大型抽水蓄能电站如潘家口、十三陵、天荒坪等，振动问 题也非常突出。国外几座巨型混流式机组也同样存在类似问题，如美国的大吉力i i i 、委 内瑞拉的古里i i 、巴西与巴拉圭合建的伊泰普、巴基斯坦塔贝拉水电站等1 7 棚。因此，水 电机组和厂房振动问题已成了目前研究的热点。 1 1 _ 2 水电机组动载识别研究的意义 鹪决水电机组和厂房结构的振动问题必须研究振源的动态特性。实际上，引发机组 和厂房振动的振源很多，如各类机械力、电磁力和水力荷载等。这些振源时空分布、幅 值及频谱特性异常复杂并在机组运行过程中相互影响。因此，要进行减振控制，首先须 对机组和结构的振动进行定量分析。然而由于水电机组规模较大，这些基础数据( 动态 力) 非常难以直接测量。所以，利用现场动力监测成果，发展实用有效的动载识别技术 以反演作用在机组上的动载荷，为水电站厂房结构和水轮发电机组的振动分析和动态设 计提供基础数据，对提高机组和厂房结构的动力设计水平，预测和控制有害振动和减振 降嗓都具有非常重要的实用价值。 事实上，动态载荷的识别问题，在机械、结构系统的力学计算、结构设计、故障诊 断中是一个十分重要的问题，它为结构的设计、计算以及分析提供可靠的载荷依据，为 减小振动、提高结构的可靠性、安全性，提供确切的环境条件。因此，在发展直接测量 方法，提高测量水平的同时，也应大力发展在使用上相对灵活、经济和适用范围更广的 动载识别方法。 1 2 动载识别问题概述 1 2 。1 动载识别的概念 一般的振动问题由激励( 输入) ，振动结构( 系统) 和响应( 输出) 三部分组成， 根据研究目的不同，可将振动问题分为以下基本类型 1 0 1 。 ( 1 ) 已知激励和振动结构，求系统响应 这是振动的正问题，称为系统动力响应分析，是研究的最早最多的一类振动问题。 根据已知的载荷条件，对振动结构进行简化而得到可求解的数学模型，通过一定的数学 2 。 大连理工大学硕士学位论文 方法求解出振动结构上关心点的位移、应力、应变等结果，以此为依据对已设计好的振 动结构迸行考核。不满足动态设计要求时，需修改结构。这一基本分析过程至今仍广泛 用于工程问题中，特别是基于线性模型假设的振动理论，已发展至十分成熟的阶段，而 许多工程问题应用这一理论都能得到相当满意的结果。 ( 2 ) 已知激励和响应，求系统参数 这是振动问题的一类反问题，称为系统识别( 辨识) 。这一类问题的提出实际是源 于第一类基本问题，尽管已知激励和振动结构可求得响应，但许多情况下响应结果并不 满足要求，需要修改结构。这时结构修改往往只凭经验，带有很大的盲目性。不仅效果 常常不满意，效率也很低，经常反复多次才能达到基本满意的结果。有限元法是进行结 构修改的有力工具，然而有限元初始建模往往存在较大误差。鉴于此，人们开始探索根 据激励和响应反推振动结构参数的规律和方法。对大多数问题，输入、系统和输出三者 有着确定性的关系，只有少数非线性问题，这种确定性关系并不存在。因此，人们以一 定假设( 如线性、定常、稳定假设) 为前提，以一定理论( 如线性振动理论) 为基础研 究得到了系统重构( 识别) 的多种方法。当然，这些方法的实施需有赖于其他若干种理 论和方法。 ( 3 1 已知系统和响应，求激励 这是另外一种振动反问题，如车、船、飞机的运行，地震、风、波浪引起建筑物振 动等问题。在这些问题中，已知振动结构并较容易测得振动引起的动力响应，但激励却 不易确定。为了进一步研究在这些特定激励下原振动结构及新振动结构的动力响应，需 要确定这些激励。当然，大多数情况下需用统计特性描述，这样的问题通常称为环境预 测或环境模拟。另外一些问题，如旋转机械的振动，爆炸冲击引起的振动等，也难以知 道激励情况，需通过结构和响应反推激励。故这类问题也通常称为载荷识别问题。 结构动力学范畴内的载荷有多种，如周期性、冲击型和随机性载荷等。确定结构动 载荷的方法一般有两种，即直接测定法与间接识别法。前者直接测定载荷本身或通过测 量与载荷有关的参数确定载苟的大小【1 1 1 2 。然而工程实际中的许多情况下，例如水电蛄 厂房中的水电机组，作用在其上的水动力荷载，就很难直接测量或计算。因此，这类载 荷的确定就需要借助于动载的间接识别技术，通过测量结构的动响应( 如动应变、动位 3 基于神经网络的水电机组动载识别研究 移、速度、加速度等) ，结合己知的系统动态特性来完成，本文致力于水电机组的动载识 别研究。 1 2 2 动载识别技术的研究进展 有关动载荷识别的研究最早可以追溯到二十世纪7 0 年代末，经过近三十年的发展。 动态载荷识别的研究已经取得了很多的成就，发展出很多的载荷识别技术。结构动载识 别常见的主要有以下几类方法：( 1 ) 频域反演法：( 2 ) 时域反演法；( 3 ) 优化反演方法。 ( 1 ) 频域反演法 频域反演法是载荷识别最早研究的方法。1 9 7 9 年，f d b a r t l e t t 和w d f l a n n e l l v i ”1 用加速度响应识别了直升机主轴的动态力，并对直升机桨毂中心动态载荷识别方法作了 模型验证，以解决桨毂中心主要谐波频率下动态载荷的幅值与相位识别问题。1 9 8 2 年， n g i a n s a m t e ，r j o n e s 等【1 4 通过加速度响应和传递矩阵得出了a h - 1 g 直升机飞行时主轴 和尾桨的外力，解决了该原理实际应用中的轻度非线性问题。1 9 8 4 年，b h i u a r y 与 d j e w i m t l 5 1 等研究了一个悬臂梁的载荷识别问题，以两个同频率但不同幅值的正弦力来 激振。结果表明识别结果不良主要是由测量噪声引起的，在低频部分如果用应变计代替 传感器可以在一定程度上改善识别结果的精度，提高了低频段的动态载荷识别精度。 1 9 8 5 年，比利时卢温大学的g d e s a n g h e r e t l 6 肄对轿车底盘架的梁结构进行了实验研究， 采用的是模态坐标转换法。用三个电磁激振器对梁进行激振。此外，他们还在分析模型 的基础上详细地研究了测量噪声、模态参数和模态数目等的不同影响。1 9 8 7 年， k a r l k s t e v e m 7 1 详细探讨了载荷识别问题的良好前景和所遇到的困难，指出测量噪声、 固有频率附近频响函数的病态和频响函数的误差是载荷识别技术发展不快的主要原因。 同时提出通过超定方法，即测量响应的数目超过待识别载荷数目可以在一定程度上减轻 频响函数病态和平滑掉因噪声而产生的误差，并指出频响函数矩阵的条件数、模态分辨 率矩阵和数据分辨率矩阵是评价识别结果好坏的一种尺度。1 9 9 0 年，m h a n s e n t s l 发现频 响函数直接求逆方法在共振区附近是病态条件的，以最大列和范数去估计条件数，可发 现载荷识别的误差随待识别力数目的增加而加大。1 9 9 4 年，j 0 1 l r i 【l9 j 等研究了载荷位置未 知情况下的载荷识别问题，采用的是频响函数直接求逆法。在求逆的过程中利用了奇异 值分解技术，测试的结构为一壳体。结论表明：若预先假设的载荷位置与实际的载荷位 4 一 大连理工大学硕士学位论文 置一致，则识别的结果较好；如果预先所假设的载苟位置不包含实际载荷的真实位置， 则识别的力均匀地分布在各假设位置处，幅值的大小由假设的载荷位置与实际载荷位置 的距离大小以及方向有关。i r v i n gu o j a l v o 畔刁等探讨了频晌函数矩阵病态的问题，并提 出t 4 , 量分解法。1 9 9 5 年，瑞典s e s k a r l s s o n 酬对频响函数矩阵的性态及其与计算稳定 性的关系作了分析，研究了噪声条件下的载荷识别问题。在随机载荷的识别中，大连理 工大学林家浩等人口q 发展了逆虚拟激励法。该方法是虚拟激励法的逆向推广。利用结构 的位移、应变、加速度等多种类型的响应，对作用在线性系统的多点任意相干平稳随机 激励的功率谱进行识别。实验验证表明，该方法简便快捷、计算量小，具有较好的实用 价值。 频域法主要包括以下两种基本方法：频响函数矩阵求逆法以及模态坐标变换方法。 前者只需要频晌函数及响应谱矩阵，即可对动态载荷迸行识别；后者则必须知道系统的 模态特性及模态参数( 包括系统的各阶振型) 才能识别载荷在频域内的特性，然后利用逆傅 氏变换确定载荷的时间历程。这两种方法对系统输入与输出之间的关系都假定： ( 1 ) 输入输出间呈线性关系： ( 2 ) 系统的可测响应完全由待识别载荷所产生。 频响函数矩阵求逆方法的基本方程为： z 0 ) = 白妒) ( 1 ，1 ) 式中h ) 为系统频响函数矩阵，f 白) 舢。为线性结构的动载荷列阵，x o k 。，为响应列 阵。对于确定性响应，设待识别载荷数为，实测响应数为i v 。，则载荷，扫) 可由下式 求出 州= 日。) + 荆= ( h m h ) - i h n x ( h y 喾 ( 1 2 ) 式中上角标一”表示m o o r e p e n r o s e 伪逆，“表示矩阵的复共扼转( h m i t i a n 转 置) 。u ，矿分别为两个酉矩阵，对角阵= d i a g ( a i ，0 2 ，d 。) ，吼盯2 0 n 0 为变换矩阵的所有奇异值，当r a n k ( h ) = 月 m 由式( 1 4 ) 按广义逆求得 y ( ) = ( d7 中) 1 中7x ( e a ) ( 1 7 ) 式( 1 6 ) 按广义逆求解，得载荷谱 ，( ) = 中( o7 m ) m a g k ，一国2 脚，+ ，c ， ( 西) 叫m 7 x ( ) ( 1 8 ) 频域方法反演动载荷的主要问题是：在频响函数求逆运算中，方程系数的矩阵病态 问题和随机噪声的影响较大，如果处理不当将带来较大的误差。 频域方法载荷识别过程可分为如下三个部分： ( 1 ) 动标定。即确定频响函数矩阵日如) ，这是试验建模过程； ( 2 ) 实测结构的动响应x 如) ： ( 3 ) 进行动载荷的识别，确定载荷的幅值与相位。 通常，动响应比较容易获得，而频响函数矩阵则较难确定。因为矩阵中各元素反映 的是各个离散的激励点与响应点之间的关系，响应点对于各不同的激励点以及激励点对 于不同的响应点之间的频响函数是互不相同的，也即和载荷向量是紧密联系在一起的。 因此频域方法只能用于识别作用位置己知的动态载荷，对作用位置未知或位置随时间变 化的情况不能应用该方法进行识别。 6 大连理工大学硕士学位论文 ( 2 ) 时域反演法 1 9 8 5 年，g d e s a n g h e r e 和r s n o e y s 口5 1 将模态坐标变换方法引入动态载荷识别过程， 建立了载荷识别的时域方法。h 。o f y 、h g t a s e r 和d h o l z d e p p e 圜提出了离散系统的动载 荷识别时域方法，即利用模态坐标变换使运动微分方程转化为非耦合的方程形式，并假 定在微小时间间隔内动态载荷为一阶跃函数，建立相应的非耦合逆模型，分别获得从己 知加速度、速度及位移响应下动态载荷的计算模式。1 9 8 6 年，他们又给出了使用刚度、 质量凝聚方法作模态截断后载荷识别的修正方法跚。1 9 8 7 年，大连理工大学唐秀近口”等 在h o r y 等人方法的基础上进一步展开工作，主要成果有利用阶越力假设的积分方法， 将结构系统进行模态坐标变换而得到无耦合的运动方程，然后把在一定微小时间间隔内 的动态载荷作为一个阶跃函数，再由实际量测或有限元分析得到系统的频响特性和量测 到的该动态力作用下的结构响应来确定模态坐标中的这一阶跃函数，从而由动态响应不 经动态力谱而喜接确定其时间历程。并分析了载荷识别的精度阊题。1 9 9 0 年，唐秀近对 文献 2 8 】方法的识别精度、模态截断的影响与修正等问题进行了研究幽】。1 9 9 5 年，大连 理工大学时战p i 】等利用脉冲响应函数发展了一种载荷识别的时序分析方法。对比例阻尼 系统，此前的求解过程都要求n o n 。n f 2 v - 2 9 。该文采用d u h a m e l 积分求解比例阻尼 离散结构系统的动载荷识别，使这一结构分析反问题化为正分析方法处理，在实铡自由 度数不少于待识别载荷自由度数的隋况下，克服了识别精度受实测信息数目限制的缺 点，识别精度较高。大连理工大学张运良 3 0 1 等在唐秀近等人的基础上，对阶跃力的假设 作了改进，提出在离散时间间隔内未知外载荷按线性变化的假定，给出了比例阻尼系统 动载荷递推识别格式。 动载荷识别的时域法即利用结构的模态参数建立结构系统在时域内的逆向模型，进 而通过系统的动态响应识别输入的动态载荷的过程。首先将响应变换到模态坐标下，得 到用模态坐标描述的非耦合方程 m ，q ( f ) + c ，q ( f ) + k ，q ( f ) = p r ( t ) ( 1 9 ) 上式：m ，= 中7 m o ，c ，= 巾7 c 中，k ，= 7 k o ，只= 西7 f ( ，) ，q ( f ) = 巾7 x o ) 7 基于神经网络的水电机组动载识别研究 将上式展开后，每一个独立的微分方程在时域中离散，认为在微小的时间间隔 a t = t ，一，1 内，载荷为阶跃力或线性力r ，可以根据该时间区域内的响应计算出只， 逐个区域计算，最后可以得到模态坐标下的载荷只( f ) ，实际的动态载荷时间历程由e a t ) 反算得到。时域方法由于无需进行快速傅立叶变换，减少了因截断带来的误差，同时减 少了计算量。 ( 3 ) 优化反演法 优化反演法一般说来包括神经网络识别方法和演化算法两大类方法。神经网络方法 出现得较早，1 9 9 4 年，c o o kab 和f u l l e r 等应用人工神经网络进行了直升机非线性荷载 的识别工作口”。1 9 9 7 年，张方，朱德懋依据结构动力学理论推导了在时域中用于神经网 络算法的自回归函数，相应建立了具有时延反馈的神经网络动载荷识别模型，阐明了这 种网络的基本学习算法和回忆算法【3 3 】。1 9 9 8 年，徐宜桂等论述了使用神经网络求解结构 动力学反问题的基本原理和方法，并针对b p 网络在使用中存在的主要问题，提出了网 络快速学习算法，并进行了设备动态诊断的数值仿真和试验研究口4 1 。2 0 0 3 年，白金泽应 用神经网络方法反演鸟撞飞机的撞击力与撞击参数嗍。 人工神经网络是模仿生物神经系统的工作原理、处理方式、组织结构以及系统功能 的简化系统，具有高度的容错性、自组织性和自学习能力。人工神经网络具有与生物神 经网络相似的结构，各个神经元通过权函数互相连接成一个整体。神经网络反演方法不 是通过解空间的搜索找到目标泛函的最小值，而是通过将在训练和学习过程中获得的经 验加以推广得到期望解。在网络结构确定的情况下，神经网络反演最主要的工作在于网 络的训练过程，也即确定连接权值，连接权值的确定原则是网络输出与目标之间的差距 最小，最终仍归结成一个优化问题。 利用神经网络的“黑箱”特点，可以在不深入研究载荷识别问题理论基础的情况下， 获得满意解答。 2 0 0 1 年，熊盛武，李元香等人o q 提出了基于演化算法的反问题识别的一般方法。该 方法将正问题的求解作为反问题的一个子程序，把用求解正问题得到的计算解与观测值 比较得到的误差作为驱动演化过程的动力，该方法相当于把参数识别问题转化成函数优 化问题。研究结果表明，只要找到好的、求解相应的正问题的数值方法，演化算法( 遗传 8 一 大连理工大学硕士学位论文 算法、遗传规划等) 就可以用于求解此类反问题。设计有效的求解反问题演化算法的关键 是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计 算正问题的数值方法。文献 3 7 1 提出了一种多输入多输出系统动态载荷的优化估计方法， 该方法利用优化方法获得逆系统的频响函数矩阵，可以使估计的总体均方误差最小。具 体做法是：首先采用逆系统分析方法建立误差估计方程，然后利用非因果维纳滤波理论 导出动态载荷的优化估计器。详细考察后可以发现，该方法的思路有些类似神经网络方 法。 其它方法 除了上述的方法，近年来还出现了一些不同的动载识别方法，例如s w a t 方法、控 制论中的逆系统法、积分方程法、级数展开法、小波正交算子法和时间有限元法口8 1 等 等。另外，针对结构系统物理参数和外载荷均未知的情况，近年来还出现了一些复合反 演方法。 具体到水电机组和厂房结构的动载识别方面，文献【3 9 】在假设导轴承刚度和阻尼系 数都已知的情况下，通过计算频响函数，最后求出水轮机转轮上的水平动荷载；文献【4 0 在分析水轮机径向力形成原因的基础上，根据载荷识别原理，提出了以导轴承压力的测 试数据识别转轮径向力的试验方法，并在高水头转轮试验台上进行了径向力识别，最后 对结果进行了讨论；文献【4 1 】中采用频响函数矩阵求逆法，辨识了立式机组动态力的幅值 谱，但其频响函数的测试需要人工激励，从提供的数据表明，所需激振力的幅值比较 大。文献 4 2 1 将水轮机的振动载荷等效为各导轴承的动力支承参数，从水轮发电机组振动 的角度出发，提出了在不施加人工激励的前提下，即在机组正常运行工况下，基于各导 轴承处的轴系振动反应，通过水轮发电机组各油膜导轴承的刚度和阻尼参数的识别，进 而识别其横向动荷载。 1 3 小结 通过前面对动载识别方法研究进展的分析，我们认为：在现有的动载识别方法中， 频域方法发展较早，是比较成熟的识别方法，但频域模态坐标变换法首先需要通过试验 或数值分析得到体系的模态，对于机组这样的复杂系统往往十分困难，受模态参数识别 精度的影响大：频晌函数矩阵求逆法需要测量频率响应函数，频响函数的测试需要人工 9 基于神经网络的水电机组动载识别研究 激励，当机组处于工作状态时，施加人工激励比较困难，并且影响机组的正常工作。另 外，其计算量大，求解稳定性差；时域法能够直接依据结构的响应耐程来识别未知载荷 的时间历程，比较方便工程应用，但时域法计算复杂，计算工作量大，且对结构的初值 条件比较敏感：而使用优化反演法中的神经网络来模拟动响应与动载荷之间复杂的函数 关系，具有理论简单，识别精度高的优点，且可以直接依据响应的时程计算识别的动载 的时程，具有工程应用前景。所以本文主要研究目的是探讨神经网络在水电机组动载荷 识别中的应用可行性。 1 4 本文主要工作 本文的主要研究目的是探讨水电机组动载识别问题。论文的第一章首先叙述了论文 的研究背景和研究意义，然后对现有的各种动载荷识别方法进行了综述。早期使用神经 网络进行载荷识别通常采用的是标准b p 网络，标准b p 网络存在易陷于局部极小和学习 算法收敛速度慢等问题，所以近些年来出现了许多改进的算法，其中使用附加动量法或 l m 优化算法进行改进的b p 网络和r b f 网络是使用较多的计算效果较好的几种网络， 第二章对这几种神经网络方法加以简介。 载荷识别的第一步是利用结构的输入和输出进行系统辨识，因此在第三章首先用 a p d l 语言编程在a n s y s 中进行了仿真算例的模态分析及瞬态动力学分析。之后分别编 制程序实现了使用三种不同的神经网络进行仿真算例的载荷识别工作，并对三种网络识 别的效果进行了比较，最后确定使用基于l m 优化算法的b p 网络进行下一步的载荷识 别计算。 为了进一步验证所选网络的识别效果，在第四章进行了动载识别室内模型实验。实 验过程中首先确定了模型的物理参数，然后使用r e i c d s p 振动信号采集、处理、分析程 序进行了模型激励及响应的采集和处理。最后使用第三章选定的基于优化算法的b p 网 络根据实测的响应进行了模型的动载识别，结果表明，选用的神经网络模型进行动载识 别具有较高的识别精度。 第五章对水电机组所受的动载情况进行了论述，建立了水电机组的有限元模型，并 使用选定的神经网络模型对水电机组的荷载进行了识剐。 最后对论文的工作进行了总结并对本课题相关研究进行了展望。 1 0 大连理工大学硕士学位论文 参考文献 f l l l 马震岳，蕾毓新水电站机组及厂房振动的研究与治理口蜘北京：中国水利水电出版社， 2 0 0 4 【2 】董毓新水轮发电机组振动口咽大连：大连理工大学出版社，1 9 8 9 f 3 】董毓新，李彦硕水电站建筑物结构分析 嗍大连理工大学出版社，1 9 9 5 1 4 】王泉龙浅谈水轮机振动的研究啊大电机技术，2 0 0 1 ，7 ：1 2 1 4 1 5 】马震岳，王溢波，董毓新红石水电站机组振动及诱发厂坝振动分析明水力发电， 2 0 0 0 n o 9 ：5 2 - 5 4 【6 1 6 汪丽川浅析岩滩电厂厂房振动现象啊广西电力技术，1 9 9 6 ，1 ：2 6 - 2 9 【7 l 何捍东天生桥一级水电站水轮机振动原因分析m 红水河，2 0 0 1 ，2 0 ( 4 ) ：6 1 - 6 5 【8 】谷兆祺等国外五座特大型水电站介绍嗍北京：清华大学出版社，1 9 9 6 【9 】沈可水电站厂房结构振动研究口) 】广西大学博士论文2 0 0 2 8 1 1 0 】曹树谦，张文德等振动结构模态分析0 v q 天津天津大学出版社，2 0 0 1 ，1 - 3 1 1 1 】傅志方振动模态分析与参数识别湖一e 京机械工业出版社，1 9 9 0 f 1 2 】傅志方，华宏星模态分析理论与应用啪上海上海交通大学出版社，2 0 0 0 【1 3 】b a r t l e t tf 。df l a n n e l l yw d m o d a lv e r i f i c a t i o no f f o r c ed e t e r m i n a t i o nf o rm e a s u r i n g v i b r a t i o nl o a d s 嘎，j o u r n a lo f t h ea m e r i c a n h e l i c o p t e r s o c i e t y , 1 9 7 9 ：1 0 1 8 【1 4 l g i a n s a m t en ，j o n e sr ，c a l a l x x l a sn j d e t e r m i n a t i o no f i n n i g h th e l i c o p t e rl o a d s j 】 j o u m a lo f t h ea m e r i c a n h e l i c o p t e rs o c i e t y ，1 9 8 2 ：5 8 - 6 4 【1 5 lh i l l a r yb ，e w i n sd j t h eu s eo fs t r a i ng a u g e si n f o r c ed e t e r m i n a t i o na n df r e q u e n c y r e s p o n s e f a c t i o nm e a s u r e m e n t s c ，p r o c e e d i n g so ft h e2 0 t hi n t e r n a t i o n a lm o d a la n a l y s i s c o n f e r a n c e ，1 9 8 4 ：6 2 7 6 3 4 【1 6 ld e s a n g h e r e g ，s n o e y r i n d i r e c t i d e n t i f i c a t i o no fe x c i t a t i o nf o r c e s b ym o d a l c o o r d i n a t et r a n s f o r m a t i o n c ，p r o c e e d i n g so f3 r di n t e r n a t i o n a lm o d a la n a l y s i sc o n f e r e n c e o r l a n d o ，f 1 0 f i d a ，f e b r u a r y ，1 9 8 5 ：6 8 5 - 6 9 0 【1 7 1 k a r lk s t e v e n s ，f o r c ei d e n t i f i c a t i o np r o b l e m s a no v e r v i e w c ，p r o c e e d i n go f t h e1 9 8 7 s o c i e t yo f e x p e r k n e n t a lm e c h a n i c ss p r i n g c o n f e r e n c eo n e x p e r i m e n t a lm e c h a n i c s ：8 3 8 8 4 4 基于神经网络的水电机组动载识别研究 【1 8 】h a n s e nm ，s t a r k e yj m o np r e d i c t i n ga n di m p r o v i n gt h ec o n d i t i o no fm o d a l b a s e d i n d k e c t f o r c e m e a s u r e m e n t a l g o r i t h m s j ，p r o c e e d i n g s o f t h e8 6 i m a c ，1 9 9 0 ：1 1 5 1 2 0 【1 9 】 j o h no ，c a l l a h a na n df a b i op i e r g e n t i l i ，f o r c ee s t i m a t i o nu s i n go p e r a t i o n a ld a m c ， p r o c e e d i n g s o f8 t h i n t e r n a t i o n a l m o d a l a n a l y s i s c o n f e r e n c e 1 9 9 4 ：1 5 8 6 - 1 5 9 2 1 2 0 i r v i n gu o j a l v o ，i m p r o v e ds o l u t i o nf o ri i i c o n d i t i o n e da l g e b r a i ce q u a t i o n sb ye p s i l o n d e c o m p o s i t i o n j a i a aj o u r n a l ，1 9 9 1 ，2 9 ( 1 2 ) ：2 2 7 4 - 2 2 7 7 1 2 1 li r v i n gu 。o j a l v o ，e f f i c i e n ts o l u t i o no f i - c o n d i t i o n e de q u a t i o n sa r i s i n gi ns y s t e m i d e n t i f i c a t i o n c ，p r o c e e d i n g s o f8 t hi n t e r n a t i o n a lm o d a l a n a l y s i sc o n f e r e n c e ，s e mi n c ， 1 9 9 0 ：5 5 4 - 5 5 8 1 2 2 】i u o j a l v o ，l m z h a n g ，t u t o r i a l ：f u n d a m e n t a l s o f i i i c o n d i t i o n i n g j ，m o d a l a n a l y s i s ：t h ei n t e r n a t i o n a l j o u r n a lo fa n a l y t i c a la n de x p e r i m e n t a lm o d a la n a l y s i s ，1 9 9 3 ， 8