基于神經(jīng)網(wǎng)絡(luò)的油罐故障模糊診斷系統(tǒng).pdf

1、該文首先對(duì)過(guò)去已發(fā)生過(guò)的油罐故障現(xiàn)象進(jìn)行分析,確定油罐故障的診斷規(guī)則.根據(jù)油罐故障診斷特點(diǎn),利用模糊數(shù)學(xué)理論,建立其診斷模型——一個(gè)四層網(wǎng)絡(luò)的模糊系統(tǒng).根據(jù)診斷參數(shù)△Q、△P三種浮動(dòng)情況"偏大"、"正常"、"偏小"與油罐故障的關(guān)系,確定此三種模糊集合的隸屬函數(shù)形式.隨后,根據(jù)油罐故障診斷模型的網(wǎng)絡(luò)結(jié)構(gòu)和診斷的智能化特點(diǎn),構(gòu)造出該診斷模型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).根據(jù)此網(wǎng)絡(luò)的特點(diǎn),該文采用一種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行求解.該BP網(wǎng)絡(luò)的輸入層被三種模

2、糊集合的隸屬函數(shù)模糊化,隱層采用雙曲正切S型傳遞函數(shù),輸出層采用對(duì)數(shù)S型函數(shù),學(xué)習(xí)規(guī)則采用Levenberg-Marquardt規(guī)則.求解時(shí)運(yùn)用診斷規(guī)則確定的學(xué)習(xí)樣本,對(duì)所建立的油罐故障診斷模型進(jìn)行學(xué)習(xí)訓(xùn)練,得到模型各層的權(quán)重和傳遞函數(shù).隨后,對(duì)此基于神經(jīng)網(wǎng)絡(luò)的油罐故障診斷模型的有效性進(jìn)行了分析,其一該診斷模型算法具有較快的收斂速度和較高的精度,其二通過(guò)對(duì)一些實(shí)際數(shù)據(jù)的仿真化運(yùn)行,證明我們所建立的診斷模型能準(zhǔn)確地對(duì)各種類型的油罐故障進(jìn)行

3、診斷.其次,通過(guò)基于線性回歸和BP神經(jīng)網(wǎng)絡(luò)兩種方法的油罐故障診斷模型的對(duì)比,證明了基于BP神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性.最后,根據(jù)該文所建立的油罐故障診斷模型在黃島油庫(kù)實(shí)際運(yùn)行中的故障事例診斷,得出其有效性、實(shí)用性.并針對(duì)遇到的問(wèn)題,說(shuō)明我們擬進(jìn)一步開(kāi)展的工作,及目前使用中的注意事項(xiàng).該文中采用模糊數(shù)學(xué)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法解決油罐故障診斷問(wèn)題在國(guó)內(nèi)屬于首次,通過(guò)對(duì)學(xué)習(xí)樣本和非學(xué)習(xí)樣本的仿真化運(yùn)行、分析,證明了模糊數(shù)學(xué)和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)解決