基于ＲＳＰＮＮ的制粉系統(tǒng)故障診斷

2012年06月27日15:25:50 本網(wǎng)站我要評論(2)字號：T | T | T

關(guān)鍵字：

費樹岷，李延紅，柴　琳
東南大學自動化學院，江蘇南京

摘　　　要：針對發(fā)電廠制粉系統(tǒng)故障與征兆對應(yīng)關(guān)系復雜及過程信息的不確定性及傳統(tǒng)ＢＰ神經(jīng)網(wǎng)絡(luò)故障診斷的缺點，提出了基于粗糙集概率神經(jīng)網(wǎng)絡(luò)（ＲＳＰＮＮ）的制粉系統(tǒng)故障診斷方法，以改善傳統(tǒng)ＢＰ神經(jīng)網(wǎng)絡(luò)初始值敏感、易使學習過程陷入局部極小值以及樣本數(shù)據(jù)過大時訓練速度慢等問題。首先采用自組織映射神經(jīng)網(wǎng)絡(luò)（ＳＯＭＮＮ）對連續(xù)樣本數(shù)據(jù)進行離散化；再利用基于區(qū)分矩陣的ＨＯＲＡＦＡ算法對離散化樣本數(shù)據(jù)進行ＲＳ屬性約簡，并將約簡結(jié)果作為概率神經(jīng)網(wǎng)絡(luò)（ＰＮＮ）的輸入；較后利用ＰＮＮ作為診斷決策分類器，輸出故障模式，并進行了仿真研究。仿真結(jié)果表明，該方法不僅優(yōu)化神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，降低神經(jīng)網(wǎng)絡(luò)的訓練時間，而且能準確、快速地診斷制粉系統(tǒng)故障類型，同時對發(fā)電廠制粉系統(tǒng)及其相關(guān)設(shè)備的在線故障
診斷問題有一定啟發(fā)性。

關(guān)　鍵　詞：制粉系統(tǒng)；故障診斷；粗糙集；概率神經(jīng)網(wǎng)絡(luò)

１　引　言
制粉系統(tǒng)［１］是發(fā)電廠鍋爐機組的重要輔助系統(tǒng)，其附屬設(shè)備磨煤機和排粉機在鍋爐部分耗電量較大。及時有效地對制粉系統(tǒng)進行故障診斷，對發(fā)電廠穩(wěn)定經(jīng)濟運行十分必要。制粉系統(tǒng)故障診斷關(guān)鍵是對當前運行狀況做出判斷，將故障消除在萌芽狀態(tài)，實現(xiàn)預維修。由于制粉系統(tǒng)故障診斷的重要性，許多學者進行了研究。文獻［２］提出基于徑向基函數(shù)（ＲＢＦ）神經(jīng)網(wǎng)絡(luò)的制粉系統(tǒng)故障診斷，文獻［３］和文獻［４］提出基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷。這２種方法解決了訓練速度慢、易陷入局部極小值的問題，但當大量訓練樣本時，訓練速度變慢。文獻［７］提出了基于ＲＳ和ＢＰ神經(jīng)網(wǎng)絡(luò)的密閉鼓風機爐故障診斷，解決了樣本過大時維數(shù)災難問題，但是傳統(tǒng)ＢＰ神經(jīng)網(wǎng)絡(luò)問題沒有得到解決。針對如何改善傳統(tǒng)神經(jīng)網(wǎng)絡(luò)初始值敏感、易使學習過程陷入局部極小值以及樣本數(shù)據(jù)過大時訓練速度慢等問題，本文提出了一種基于粗糙集與概率神經(jīng)網(wǎng)絡(luò)融合的制粉系統(tǒng)故障診斷模型。

登錄網(wǎng)站后可下載文件