运用模糊神经网络的凝汽器故障诊断系统

凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示。为此,运用模糊理论与神经网络故障诊断方法,建立凝汽器故障诊断专家系统,采用模糊隶属度函数表示难以准确描述的专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性。     

模糊理论在凝汽器故障诊断中的应用

以模糊理论为基础 ,结合凝汽器实际运行状况和现场专家经验 ,分析了故障与征兆之间的模糊关系 ,形成了凝汽器模糊故障诊断规则 ,并采用故障分解的方法 ,建立了凝汽器模糊故障诊断模型 ,最后用一具体故障诊断实例加以分析 ,验证模糊理论及方法在凝汽器模糊故障诊断中的应用     

基于主分量灰色关联分析的凝汽器故障诊断

凝汽器的故障往往是由多种原因引起的,不同故障表现出的征兆又具有相似的特征,多种征兆的相关性造成了分析数据的困难.文中采用主分量分析法(PCA)对影响凝汽器故障的多种参数进行综合优化,将多个诊断用特征参数的信息融合到几个主分量上,各主分量之间没有明确的映射关系和明确的作用原理.提出了凝汽器灰色故障诊断系统,运用灰色关联度对诊断样本进行诊断.最后将主分量分析和BP神经网络相结合进行凝汽器的故障诊断,与所提方法进行了比较,仿真实例表明将主分量灰色关联分析法引入凝汽器故障诊断中是可行的,诊断结果可靠.     

1000 MW机组凝汽器低真空故障特征向量的提取及应用

针对某1000 MW机组的低真空问题,确定故障集和征兆集,在判别引起真空急剧下降与缓慢下降的基础上,分类建立各征兆参数状态量化值的计算模型,并通过该机组仿真机的模拟试验得出了机组的凝汽器低真空故障特征向量。据此应用BP神经网络建立该机组的凝汽器故障诊断模型,对机组的低真空故障进行诊断。结果表明根据仿真机试验得出的1000 MW机组凝汽器故障领域特征向量,在实际机组运行中可用于凝汽器故障诊断。     

一种基于模糊规则和遗传算法的凝汽器故障诊断方法的研究

该文总结了汽轮机组凝汽器低真空常见故障，建立了凝汽器典型故障集。介绍了基于信息熵的故障征兆提取方法，建立了凝汽器故障征兆集。在利用模糊规则的故障诊断方法基础上，提出了一种基于模糊规则和遗传算法的凝汽器故障诊断方法。通过遗传算法对用于故障诊断的模糊规则进行精简，消除了低置信度规则的影响，从而提高了故障诊断效率。最后，将该文提出的方法用于某汽轮机组凝汽器故障诊断中，结果表明该方法行之有效，且易于工程实现。     

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。     

基于模糊模式识别的凝汽器故障诊断研究

分析了凝汽器工作过程及故障机理 ,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合 .应用模糊模式识别方法及最大隶属原则 ,建立了凝汽器故障诊断模型 ,并以实例验证该模型识别故障的准确性 .实践证明 ,该模型简单实用 ,能有效地识别凝汽器故障     

凝汽器故障诊断的模糊交互熵算法

针对凝汽器故障诊断中的复杂性和不确定性,对凝汽器故障征兆集与故障论域进行改进。基于信息论中模糊交互测度(fuzzy cross entropy method,FCEM)的概念,提出一种广义的距离测度,计算凝汽器典型故障模糊模式与未知故障模糊模式之间的差异程度。通过对典型故障集的细化和扩充,提高了故障诊断的准确率。最后,将该方法用于600和300 MW火力发电厂汽轮机组凝汽器故障诊断中,结果表明该方法准确率达95%以上,且易于工程实现,证明了该方法的有效性。     

基于RBF神经网络的凝汽器故障诊断研究

针对BP网络的训练收敛速度慢,网络初值对学习性能影响比较大的缺陷,提出了一种基于RBF神经网络的故障诊断方法。介绍了RBF的网络结构和训练方法,并应用于凝汽器故障诊断中。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,建立了完备的学习样本。通过实例证明,RBF网络训练速度快,分类性能良好,在故障诊断领域具有很好的实用性。     

凝汽器在线故障诊断系统

为保证火电厂凝汽器的安全可靠运行,实现故障诊断和操作指导,开发了凝汽器在线监测与故障诊断系统。介绍了系统的基本结构、主要功能和优点。系统采用了模糊神经网络与改进的BP算法相结合的故障诊断方法,能快速地、准确地判断出凝汽器故障所在。并通过现场实践进行了验证。     

基于模糊神经网络的凝汽器故障诊断研究

采用模糊神经网络进行凝汽器的故障诊断。根据某电厂的运行规程及运行经验构造了进行凝汽器故障诊断所需的全部17个隶属函数,利用这些隶属函数可以对各个输入进行模糊化处理,使之成为量化输入。对模糊BP网络进行训练,可以得到模糊BP网络的知识库结构。在此基础上,对一个凝汽器实际故障进行了诊断,得出了令人满意的结果。     

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。     

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.     

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。     

凝汽设备模糊神经网络故障类别诊断模型

火电厂汽轮机凝汽设备故障较多，且故障原因复杂。在对凝汽设备故障类别详细分析的基础上，建立了基于模糊神经网络的凝汽器故障类别诊断模型。该模型结合了模糊逻辑与人工神经网络(ANN)的优点，采用了先进的批处理自适应变尺度优化学习算法(MDFP)，减少了计算工作量，使故障诊断迅速，准确。仿真试验表明，模型故障类别诊断效果良好。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

判决树方法在凝汽器故障诊断中的应用

运用一种属于模式识别范畴的判决树 ID3 (Identification Data)方法对凝汽器的故障进行诊断。通过实例 ,验证了该方法对凝汽器故障诊断的有效性。提出了 ID3 方法与模糊模式识别和神经网络方法相比所具有的优点 ,指出将 ID3 方法和其他人工智能方法相结合是实现凝汽器故障诊断实用化的有效途径。