多神经网络与D-S证据理论融合的凝汽器故障诊断方法.pdf

《多神经网络与D-S证据理论融合的凝汽器故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第58卷第2期2016年4月汽轮机技术TURBINETECHNOLOGYV01．58No．2Apr．2016多神经网络与D—S证据理论融合的凝汽器故障诊断方法曹丽华，王宏宇，李勇(东北电力大学，吉林132012)摘要：在凝汽器故障诊断的研究历史中，人工神经网络有着举足轻重的作用。但由于单一神经网络自身缺点的存在，使得故障诊断的准确率不高。针对这一问题，使用BP神经网络和Elman神经网络对故障样本进行训练仿真，并将诊断结果借助于D—s证据理论进行融合。结果表明：多神经网络与D—S证据理论融合的方法可以很好的进行故障剥离，诊断出最终故障，从而提高凝汽器故障诊断的准确性。关键

2、词：BP神经网络；Elman神经网络；D—S证据理论；故障诊断分类号：TK267文献标识码：A文章编号：1001．5884(2016)02-0122-03FaultDiagnosisMethodofCondenserBaseontheFusionofMuhi．neuralNetworksandD—SEvidenceTheoryCA0Li-hua．WANGHong-yu．UYong(NortheastDianliUniversity，Jilin132012，China)Abstract：TheartificialNeuralNetworkisplayingagreatrol

3、einresearchofcondenserfaultdiagnosisinhistory．Theprecisionrateoffaultdiagnosisisnothighsincethepersonaldefectofsingleneuralnetwork．BPneuralnetworkandElmanneuralnetwork$trefirstlyusedtotrainandsimulatethesamefaultexamplesinthispaperandthediagnosticresultsarefusedwiththehelpoftheD-Sevidence

4、theory．Theresultsshowthattheeffectofeliminatingdoubtfulfaultsisverywellbaseonthefusionofmulti—neuralnetworksandD—Sevidencetheory，whichdistinguishthefaultintheendandimprovetheaccuracyofthecondenserfaultdiagnosis．Keywords：BPneuralnetwork；Ehnanneuralnetwork；D-Sevidencetheory；faultdiagnosis0前

5、言凝汽器是汽轮发电机组的重要辅助设备，它的运行状态直接影响机组的安全与经济性。因此，电厂运行人员十分重视对凝汽器的故障诊断，科研人员也从未停止对凝汽器故障诊断方法的研究。目前凝汽器故障诊断的研究方法主要有神经网络法、模糊式识别法及其他方法⋯，其中神经网络方法在凝汽器的故障诊断中起着举足轻重的作用。例如，李勇等‘2“1人研究的BP神经网络，早在九十年代就被应用于凝汽器的故障诊断中，但是BP神经网络由于自身一些缺点的存在造成故障诊断能力(也称泛化能力)不强¨1，可能导致故障诊断结果与实际不相符；陈正潮等¨o人研究的Elman神经网络，它是于1990年由J．L．Elman提出，

6、属于反馈神经网络。因其具有较好的动态特性而被应用于故障诊断中，但是作者在研究过程中，使用的凝汽器故障样本集数据不充足，因而对诊断结果的准确性有一定的影响；Dempster—Shafer证据理论是Dempster于1967年首次提出上下界概率的定义，后由其学生收稿13期：2015—11-23基金项目：吉林省科技发展计划资助项目(20140204040SF)。Shafer于1976年进一步发展完善。7’“。它是处理不确定、不完整信息的一种有效的数学工具。D—s证据理论已在状态监测、专家系统、故障诊断等领域被广泛的使用。针对单一神经网络的不稳定性和故障样本集不充足这两个导致故障

7、诊断准确率不高的问题，本文在丰富了凝汽器故障样本集的基础上，使用D—s证据理论融合BP和Elman神经网络的诊断结果，进行故障剥离，来提高故障诊断的可靠性。1基于D—S证据理论的凝汽器故障诊断模型本文凝汽器故障诊断的主要思想：首先，收集凝汽器重要部位的运行参数即故障征兆以及凝汽器常见的故障，组成凝汽器的故障样本；其次，将故障样本在BP和Elman神经网络中进行训练，并使用实例中的检测样本在神经网络上进行仿真，将诊断结果借助于一定的公式进行转换，即为D—S证据理论中的基本概率分配(basicprobabilityassignme