PNN在船用污水处理装置状态诊断中的仿真研究.pdf

PNN在船用污水处理装置状态诊断中的仿真研究.pdf

ID:52397871

大小:300.97 KB

页数:4页

时间:2020-03-27

PNN在船用污水处理装置状态诊断中的仿真研究.pdf_第1页
PNN在船用污水处理装置状态诊断中的仿真研究.pdf_第2页
PNN在船用污水处理装置状态诊断中的仿真研究.pdf_第3页
PNN在船用污水处理装置状态诊断中的仿真研究.pdf_第4页
资源描述:

《PNN在船用污水处理装置状态诊断中的仿真研究.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、24传感器与微系统(TransducerandMicrosystemTechnologies)2011年第3O卷第7期PNN在船用污水处理装置状态诊断中的仿真研究曹晓莉,胡卫军,王荣秀,杨光祥,江朝元(重庆工商大学计算机科学与信息工程学院。重庆400067)摘要:概率神经网络(PNN)是基于贝叶斯分类规则和Parzen窗函数的前向型自监督神经网络模型,具有强大的非线性处理能力,快速的收敛速度和准确的分类效果。在分析PNN基本结构和原理的基础上,采用PNN结构针对船用污水处理装置的状态诊断进行仿真,以提高船用污水处

2、理装置状态诊断正确率。通过Matlab采用实际监测的数据实现了PNN诊断处理。理论分析和仿真结果表明:利用PNN对船用污水处理装置的状态诊断的方法可行和有效,有很高的实用价值。关键词:概率神经网络;船用污水处理装置状态诊断;仿真中图分类号:TP206文献标识码:A文章编号:1000--9787(2011)07-0024-03SimulationresearchofPNNonstatediagnosisofshipsewagetreatmentequipmentCAOXiao-li,HUWei-jun,WANGRo

3、ng—xiu,YANGGuang—xiang,JIANGChao—yuan(CollegeofComputerScienceandInformationEngineering,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)Abstract:ProbabilisticneurMnetwork(PNN)isafeedforwardself-supervisoryneuralnetworkmodelbasedonBayesclassifyi

4、ngIulesandParzenwindowfunctionandpossessespowerfulnonlinearprocessingability,fastconvergence,andaccuratesortingeffect.OnthebasisofanalyzingthefundamentalstructureandprincipleofPNN,PNNstructureisadoptedtosimulatethestatediagnosisofshipsewagetreatmentequipmentt

5、oimprovethestatediagnosisvalidity.WithMatlab,thePNNdiagnosisisrealizedutilizingthepracticalmonitoringdatafromaship.ThetheoryanalysisandsimulationresultsindicatethatusingPNNonshipsewagetreatmentequipmentforthestatediagnosisisfeasible,effectiveandwithhighpracti

6、calvalue.Keywords:probabilisticneuralnetwork(PNN);statediagnosisofshipsewagetreatmentequipment;simulation0引言析,以提高实际船用污水处理装置状态诊断正确率。船用污水处理装置是防止航道污染和持续改善航道环1设备状态监测与诊断原理境的重要环保设施。准确、有效的状态监测和诊断,对设备船舶生活污水由进水泵经进水管道送入处理箱体,处运行保障和快速抢修具有十分重要的现实意义。传感理箱体内部经过滤、吸附、消毒和有机分解等流

7、程自动处技术、计算机技术、通信技术的发展,为复杂设备状态监测理,最后由排水泵经出水管道排入航道。根据工作原理和提供了基础,神经网络、人工智能、专家系统对复杂设备故对可预见状态的分析。由于风压P的监控在此采用开关量障诊断的系统分析提供了有效的途径。针对上述设备状态来表示风机的“开”和“停”,只有⋯0’和⋯1’两种状态,识别监测和诊断问题,不少学者采用小波分析、遗传算法、起来比较简单,在此选择监测和记录供电电压()、负载电支持向量机(supportvectormachines,SVM)、径向基函流(,)、处理水位(L

8、)3个物理参数,结合状态变化时间识别数(radialbasisfunction,RBF)和概率神经网络(probabi—对象装置的运行状态。设备与状态的相关性约束如下:listicneuralnetwork,PNN)等机器学习方法进行了相应1)若轮机供电而设备停电,则可能停机或设备故障;的研究。其中,PNN的训练过程简单,算法容易设计,在模2)若装置运行,则工作电流不低于

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。