一种改进型BP网络算法在凝汽器故障诊断中的应用

针对BP网络学习收敛速度慢和易陷入局部最小点的不足,提出了一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练。该算法使BP神经网络在学习速率和稳定性上有了进一步的提高。并将这种改进的BP网络算法应用于凝汽设备故障诊断实例中取得了实效。     

BP网络和Elman网络在凝汽器故障诊断中的比较与应用

凝汽器工作状况好坏直接影响凝汽式汽轮发电机组运行的安全性和经济性.分别采用自适应梯度递减学习算法的BP网络和Elman网络用于凝汽器的故障诊断.将测试样本输入已经学习好的BP网络和El-man网络中,测试结果表明这两种网络正确诊断故障的概率高达90%以上,但采用Elman网络的学习速度要比BP网络快,适合实时操作的场合...     

基于BP网络的凝汽器故障诊断系统的进一步探讨

针对 BP网络训练过程中收敛速度慢和易陷于局部极小的缺点 ,对常规 BP算法进行改进 ,并将改进后的算法应用于凝汽器故障诊断。结果表明 ,与传统 BP算法相比 ,改进后的算法收敛速度明显加快 ,并有效地克服了 BP网络易陷于局部极小的缺点     

基于BP神经网络的凝汽器故障诊断研究

通过对现有凝汽器运行中常见的典型故障及征兆集的分析,进一步完善了凝汽器的典型故障知识库,对故障征兆的具体表达方法进行了分析。运用 Matlab 神经网络工具箱和隶属度函数两种方法对凝汽器的运行状态进行故障监测和诊断,通过实例验证表明应用 Matlab 神经网络工具箱方法不仅计算简便,而且诊断结果具有较高的可靠性。     

模糊模式识别在凝汽器故障诊断中的应用

运用模糊数学方法,将阀值原则和最大尿属原则相结合,建立了凝汽器故障诊断模型。实践证明,该模型能有效地判定待识别征兆集是否为病态,而且氘得隶属度差别明显,因而能准确判定故障原因。避免因待识别征兆集病态引起的误判断或因几种故障的隶属度无显著差异,而导致无法明确诊断故障的问题     

基于BP神经网络的凝汽器故障诊断方法研究

凝汽器是汽轮机的一个重要的辅助设备 ,其工作情况的好坏直接影响到机组的安全和经济运行 ,因此 ,对凝汽器运行状态的监测与诊断受到电厂运行部门的普遍关注。介绍了应用人工神经网络中的 BP网络进行凝汽器的故障诊断 ,该方法计算简单 ,实用方便 ,且诊断结果具有相当程度的可靠性。     

火电厂凝汽器泄漏故障诊断研究

为了解决凝汽器运行过程中,其水侧换热面的污染而导致真空恶化问题,建立了凝汽器水侧管壁清洁系数的监测模型。同时,通过研究凝汽器故障机理,建立了故障诊断知识库,并根据模糊神经网络和改进的BP算法相结合的方法建立了凝汽器故障诊断系统,以及时诊断出故障的位置和原因。实例验证,该故障诊断系统诊断的结果与与现场实际检查结果一致,有效可行。     

改进BP网络算法在配电网故障诊断中的应用研究

针对BP网络学习收敛速度慢和易陷入局部最小点的不足,提出利用一种自适应学习速率动量梯度下降反向传播算法对BP神经网络进行训练。该算法使BP神经网络学习速率和稳定性得到提高。将这种改进的BP网络算法应用于配电网诊断实例,用这种改进的网络算法进行分类,采用VB语言作为开发工具调用神经网络工具箱建立了一个简化的故障诊断系统,验证了该算法的有效性、正确性。     

基于Elman型网络的凝汽器故障诊断研究

把Elman神经网络和模糊理论相结合,对凝汽器故障进行诊断.用Matlab7.0矩阵式运算语言开发出凝汽器故障诊断系统.在网络训练过程中证实了Elman网络相对前向型网络的优越性.并以系统的诊断实例说明该方法对于运行人员的指导意义.     

RBF神经网络在凝汽器故障诊断中的应用

针对BP神经网络计算过程存在收敛速度慢的缺点,提出了RBF神经网络应用于凝汽器故障诊断的基本方法。介绍了RBF神经网络的结构、凝汽器的故障类型和征兆集的建立方法。对比了RBF神经网络与BP神经网络的诊断结果,证明RBF神经网络的在线诊断速度、诊断精度均优于BP神经网络,对凝汽器的故障诊断准确可靠。     

对分式凝汽器故障诊断的模糊模式识别及神经网络方法

凝汽器工作状况好坏直接影响凝汽式汽轮机发电机组运行的安全经济性。为此,针对某300MW机组对分式凝汽器的结构特点、实际凝汽系统构成及现场的DAS测点布置,首次运用基于模型的故障仿真方法,较完善的总结了对分式凝汽器的典型故障知识库,并对故障征兆的具体表达方法进行了探讨。在此基础上运用模糊模式识别和人工神经网络2种方法实现对分式凝汽器故障诊断。故障模糊模式识别采用了一种改进的故障隶属函数形式,有效克服了现有隶属数易对正常工况产生误诊断的不足,有效克服了现有隶属数易对正常工况产生诊断的不足。神经网络训练过程中,提出了基于恒误差修正率控制的网络学习率自适应调整方法,大大加快了网络收敛速度,便于实现故障的在线实时诊断,通过诊断实例比较了各方法改进前后及两种不同方法的诊断效果。     

模糊神经网络在变压器故障诊断中的应用

提出了与神经网络结合的模糊变压器故障诊断新方法 ,克服了一般模糊诊断学习困难的局限 ;通过与模糊判决矩阵的对应关系 ,发现神经网络系统的权值矩阵就是模糊诊断里面的判决矩阵。模糊神经网络、组合神经网络和判决树 3种方法对故障样本的正判率分别为 90 .4 %、75 .4 %、83.3% ,这表明模糊神经网络方法的有效性与可行性 ,它弥补了DGA试验相近故障识别率低的不足 ,克服了组合神经网络无“可塑性”的缺陷 ,避免了判决树对样本选择的强烈依赖 ,使故障诊断准确度大为提高 ;也说明了DGA和其它电气试验相结合综合分析的必要     

改进矩阵算法及其在配电网故障定位中的应用

分析了目前配电网故障定位算法中存在的问题,根据故障定位的改进矩阵算法,针对配电网末端故障及不同线路上的多重故障问题,提出了切实可行的判据,不仅能对配电网单一故障进行定位,而且能对配电网末端故障以及不同线路上的多重故障做出快速、准确的诊断.模拟计算了三电源配电网及单电源多出线的各种故障,结果表明了该判据的有效性.     

多维BP神经网络在锅炉故障诊断中的应用

采用多维BP神经网络方法进行锅炉故障诊断建模,其中BP神经网络采用多维结构,输入层采用模糊数学方法对运行参数进行量化,通过参数之间和参数与故障类之间的关联关系,建立了多维BP神经网络模型.以锅炉管泄漏为例,进行了故障仿真试验,试验结果表明此方法能有效、快速地进行锅炉故障诊断.     

新型RBF网络在汽轮机通流部分故障诊断中的应用

应用免疫遗传系统的调节原理及递推最小二乘法建立了一种新型RBF网络模型,通过计算特征参数信息熵,可快速、准确地确定故障诊断的知识库。将该模型与知识库应用于汽轮机通流部分的故障诊断表明,该模型收敛速度快、精度高并有较好的泛化能力。采用该方法对某电厂1台300MW机组进行了实际诊断,判定为高压缸结垢和高压缸调节阀通道结垢,其结果完全满足汽轮机通流部分故障诊断的需要。     

结合进化算法的人工神经网络在变压器故障诊断中的应用

人工神经网络在变压器故障诊断中有广泛的应用。常用的BP算法具有易陷入局部极小、收敛速度慢等缺点 ,给故障诊断带来不便。为此提出利用进化算法优化人工神经网络结构的初值 ,利用可靠性分析技术对输入数据进行处理 ,从而有助于较快获得最佳的权值矩阵 ,实现变压器故障诊断。     

汽轮发电机组振动故障诊断中的改进BP算法

针对大型汽轮发电机组振动故障的特点，提出了一种基于误差逼近度渐进收缩学习算法的反向传播（BP）网络诊断模型，给出了BP网络误差函数和新型的权值调整公式，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡。     

基于BP算法的电站燃气轮机故障诊断

针对传统故障诊断方法在燃气轮机系统中应用的局限性,研究了基于ＢＰ算法的神经网络方法在电站燃气轮机故障诊断中的应用,通过选择足够的故障样本来训练神经网络,将代表故障的信息输入训练的神经网络后,由输出结果,就可以判断发生的故障种类,这样不仅减小了用于诊断的知识库,而且加快了计算速度,满足了实时在线诊断的要求。     

汽轮机组凝汽器故障诊断方法的分析研究

结合凝汽器的实际运行状况和现场专家经验，介绍了3种凝汽器故障诊断方法：模糊模式识别、神经网络、模糊神经网络。用实例对几种方法进行分析比较，指出了凝汽器故障诊断方法的发展趋势。     

神经网络理论在变压器故障诊断中的应用

把专家知识与神经网络计算相结合,用变压器原副边正序和负序电流分量的方向进行变压器的故障诊断,克服好传统的二次谐波制动特性劝保护在涌流伴随故障状态下的动作延时,能正确识别变压器的内部故障,励磁涌流、外部故障及空载合于内部故障等不同状态。用此原理构成的变压器保护动作时间最快可为半个周期,可适合于任意连接方式的双绕组变压器,且不受系统参数的影响,具有广泛的实用性和很强的容错能力,大量仿真结果证明了此方法