基于神經(jīng)網(wǎng)絡(luò)的電廠鍋爐故障診斷研究.pdf

1、隨著電力工業(yè)的迅速發(fā)展，大型電站鍋爐的應(yīng)用日趨廣泛且鍋爐系統(tǒng)的結(jié)構(gòu)更復(fù)雜，且運行參數(shù)更多，對故障診斷技術(shù)應(yīng)用的迫切性也與日俱增。在眾多故障診斷技術(shù)中，基于神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)由于學(xué)習(xí)能力強、容錯性好、快捷方便以及能夠處理復(fù)雜的非線性關(guān)系等優(yōu)點而被廣泛應(yīng)用于電廠系統(tǒng)故障診斷研究。在基于神經(jīng)網(wǎng)絡(luò)故障診斷方法中，故障特征的識別與分類是影響故障診斷系統(tǒng)安全、可靠、高效的發(fā)揮功能關(guān)鍵步驟之一。因此對故障特征識別與分類精度的研究至關(guān)重要。

2、　　論文針對電廠屏式過熱器在發(fā)生泄漏時，故障特征規(guī)律難以總結(jié)，特征知識提取困難，特征參數(shù)變化快等問題，為了克服傳統(tǒng)單一鍋爐故障診斷方法和人工監(jiān)控故障診斷所存在的缺點，設(shè)計了小波神經(jīng)網(wǎng)絡(luò)故障診斷模型。并針對網(wǎng)絡(luò)模型訓(xùn)練參數(shù)取值問題，提出粒子群算法對參數(shù)進行優(yōu)化。通過MATLAB仿真對比研究表明，基于粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)故障診斷模型，在精度和訓(xùn)練時間上優(yōu)于其它算法。此外，針對多種故障模式并存情況下，故障特征維數(shù)高等特點，設(shè)計了概率神經(jīng)網(wǎng)絡(luò)