基于神经网络和专家系统的汽轮机组故障诊断分析

《基于神经网络和专家系统的汽轮机组故障诊断分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于神经网络和专家系统的汽轮机组故障诊断分析包斯嘉，杨伟(南京理工大学动力工程学院，江苏南京210094)摘要：汽轮发电机组是电力生产的重要设备，汽轮发电并缺乏自适应机制和自学习能力。若在故障诊断机组的故障诊断一直是故障诊断技术应用的一个重要方中综合应用神经网络和专家系统，则能实现两者面。本文设计了基于神经网络和专家系统的汽轮发电机组的优势互补，使诊断系统同时具有前者的快速推故障诊断系统，一方面抑制神经网络的错误输出，另一方理能力和后者的清晰解释机制，突破单纯使用神面减少专家系统的漏诊，并用Matlab软件对

2、汽轮机凝汽经网络或专家系统所存在的局限性。而且，故障器子系统进行了仿真研究。仿真中对输入数据进行模糊处征兆中普遍存在模糊性和不确定性，而模糊隶属理，并对神经网络和专家系统所得出的两个结果进行了结度函数对界限不分明的征兆或征兆的倾向性有较果融合，从而提高整个系统的综合诊断性能。强的表达能力，可以表达不确定性的知识。因此，关键词：神经网络；专家系统；故障诊断；模糊；汽轮发可以采用基于模糊神经网络和专家系统构建综合电机组。的故障诊断系统，并应用于汽轮发电机组故障诊断中。0引言1神经网络汽轮发电机组是电力生产的重要设

3、备,由于单层感知器的缺点是智能解决线性可分的其设备结构的复杂性和运行环境的特殊性,汽轮分类问题，要增强网络的分类能力唯一的方法是发电机组的故障率较高,而且故障危害性也很大。采用多层网络，即在输入与输出层之间加上隐含因此,汽轮发电机组的故障诊断一直是故障诊断层，从而构成多层感知器。这种由输入层、隐含技术应用的一个重要方面。层（一层或多层）和输出层构成的神经网络成为早期的故障诊断主要是依靠人工,利用触、多层前向神经网络，多层感知器具有独特的学习摸、听、看等手段对设备进行诊断。通过经验的算法，该学习算法就是著名的B

4、P算法，所以多[2]积累,人们可以对一些设备故障做出诊断,但这种层感知器也常常被称之为BP网络。手段由于其局限性和不完备性,现在已不能适应隐层或单隐层诊断单故障、多故障均不如单生产对设备可靠性的要求。随着信息技术和计算隐层,也不必要优化隐层数;学习参数的优化与否机技术的迅速发展以及各种先进数学算法的出现,只影响网络训练速度,亦无需优化。因此我们仅优人工智能、计算机网络技术和传感技术等已经成化隐层单元数以提高故障诊断准确度。采用遗传[1]为汽轮机故障诊断系统不可缺少的部分。算法和BP算法轮流训练诊断模型直到网络

5、收敛。汽轮发电机组随着单机容量的增大，设备复训练过程中应用网络剪枝法去掉对某些征兆和故杂性不断增加，其性能退化甚至发生故障，对经障关系不敏感的连接(即将这些权值视为0),有些济性和安全性的影响也更加严重。故障诊断领域没有连接的隐节点自动去掉，本文中所采用的就中的各种诊断方法和技术有其各自的优点，但是是BP网络。任何单一的诊断方法都有其局限性，只有合理地2专家系统综合多种诊断方法，保留优点，突破局限，才能汽轮发电机组在电力、石化、冶金、机械等取得更好的诊断效果。部门中处于举足轻重的关键地位，一旦发生故障实际应用

6、中，神经网络知识的获取方便、快将会造成巨大的经济损失和严重的社会影响。因捷，并行推理速度快，具有较强的自学习能力，此必须对这些重要设备进行监测和诊断，以保证但是其推理过程类似“黑箱”，解释机制难以实现；设备安全、可靠地运行，降低设备的维护费用。而传统的产生式专家系统结构简单、实现容易，传统的故障诊断专家系统大多是基于知识的(如可以解释推理路径和推理依据，透明性强，但是基于规则的故障诊断系统)，基于知识的故障诊断其知识获取存在“瓶颈”，系统较大时推理效率低，系统是以领域专家和操作者的启发性经验知识为1核心，通过

7、演绎推理或产生式推理来获取诊断结行融合处理，以提高诊断的可靠性，再根据融合果。基于知识的诊断推理具有知识表达直观、模结果检索操作指导数据库得到指导信息；最后将块性强、推理逻辑清晰等优点。但是这种方法具诊断结论、推有较大的局限性，主要表现有知识获取的瓶颈问理解释和指导信息一同提交给用户。题、推理效率低、自适应能力差、实时性差等。诊断系统具体设计时，需考虑不同诊断方法由于知识处理诊断系统存在的局限性，人们正在的特点，才能既保证诊断速度，又提高诊断能力，积极寻求解决这些局限性的方法。例如采取机器达到互补的目的。在神

8、经网络故障诊断中，可以学习的方法解决知识获取的瓶颈问题；采取多种近似把神经网络看作征兆向量空间上的分类器，知识表示方法及多种求解策略，提高系统的灵活而典型的故障可以认为是分布在征兆空间上的性;采用并行处理和分布式系统结构，提高其准确点。只有在这些点分布比较均匀的条件下，神经性、实时性等。而模糊神经网络技术的引入给故网络分类器才会有较佳的表现。然而，实际的诊[3]障诊断专家系统带来了新的思路。断任务中