基于神经网络的凝汽器故障诊断系统

凝汽器是汽轮机的一个重要的辅助设备，本文提出了一种基于神经网络的凝汽器故障诊断方法，该方法具有较强的故障模式识别能力，为凝汽器故障诊断的自动化、科学化提供了一种有效的方法。     

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。     

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。     

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。     

基于模糊神经网络的凝汽器故障诊断及其性能监测

凝汽器是凝汽式汽轮机的主要辅助设备,其凝汽器系统运行中出现故障的原因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。针对此情况,结合模糊理论与神经网络2种故障诊断方法的优势,提出采用串联型模糊神经网络为凝汽器故障诊断模型,用Matlab 6.5矩阵式运算语言开发故障诊断及其性能监测软件。故障诊断软件包括征兆参数的获得、故障诊断及结果柱状图显示;性能分析软件主要是相关参数的计算及正常与变化工况曲线的比较。给出了某电厂100 MW汽轮发电机组诊断实例。     

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。     

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。     

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。     

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。     

凝汽器故障诊断研究

对汽轮机凝汽设备故障机理进行了分析,应用“信息熵分析法”研究监测信号和故障原因之间的相关性,从而提出了一种提取特征参数的新方法。详细介绍了基于多层感知器研究汽轮机凝汽器故障诊断过程,最后经实例验证表明所设计的故障诊断系统具有良好的诊断性能。     

基于遗传-神经网络的凝汽器故障诊断研究

综合遗传算法的全局优化和神经网络的并行计算等特点 ,提出了一种基于遗传 -神经网络的凝汽器故障诊断的方法。用遗传算法来优化神经网络权值 ,克服了神经网络易陷入局部解的缺陷 ,使神经网络具有较好的全局性和收敛速度。具体故障诊断实例表明 ,该方法诊断准确 ,具有一定的应用价值     

基于概率神经网络的凝汽器故障诊断研究

基于概率神经网络(PNN)提出了一种新的汽轮机组凝汽器故障诊断方法。PNN是一种可用于模式分类的神经网络,其实质是基于Bayes分类规则与Parzen窗的概率密度函数方法发展而来的一种并行算法。PNN可以克服反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,而且优于常见的凝汽器故障诊断方法:PNN学习规则简单,训练速度快,可以满足训练上实时处理的要求;训练不需要太多样本,模式分类能力强,而且具有很高的运算速度;抗干扰能力强,对传感器测量噪声具有较强的诊断鲁棒性;新的训练样本也很容易加入以前训练好的分类器中,很适用于在线检测。将该方法用于某汽轮机组凝汽器故障诊断中,仿真结果表明了该网络在分类应用中的快速性、准确性,而且易于工程实现。     

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     

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。     

智能故障诊断技术的发展及应用

介绍了国内外机械设备智能故障诊断技术的发展状况,并分别对基于模糊理论、基于实例、基于专家系统、基于神经网络以及神经网络与专家系统相结合等多种智能故障诊断系统进行了分析和评述。