基于神經(jīng)網(wǎng)絡(luò)的化工過程故障診斷方法的研究.pdf

1、化工生產(chǎn)過程是復(fù)雜的動態(tài)系統(tǒng)，該生產(chǎn)過程一般是在高溫高壓、低溫真空、有毒或腐蝕性等極端條件下進(jìn)行的，生產(chǎn)系統(tǒng)和設(shè)備一旦發(fā)生故障，將會造成經(jīng)濟(jì)損失，甚至造成人員傷亡和環(huán)境污染。利用故障診斷技術(shù)提高系統(tǒng)的可靠性和安全性，已經(jīng)引起了企業(yè)和學(xué)術(shù)界的高度重視，并在該研究領(lǐng)域取得了豐富的研究成果。 首先，本文研究了國內(nèi)外故障診斷技術(shù)的現(xiàn)狀及發(fā)展趨勢，并在此基礎(chǔ)上，用神經(jīng)網(wǎng)絡(luò)建立了連續(xù)攪拌釜式反應(yīng)器(CSTR)的故障模型，采用修正的Bayes

2、分類算法對故障參數(shù)進(jìn)行了判斷，實(shí)現(xiàn)了故障的在線檢測、分離和估計。仿真結(jié)果表明，該故障診斷方法能夠?qū)Χ嘀貍鞲衅鞴收线M(jìn)行快速準(zhǔn)確的識別和診斷，使系統(tǒng)的控制器對傳感器故障具有一定容錯性。 其次，利用具有BP算法的前饋神經(jīng)網(wǎng)絡(luò)(MFNN)，針對反應(yīng)器建立了過程數(shù)據(jù)與故障類型之間的對應(yīng)關(guān)系，辨識出系統(tǒng)的正常運(yùn)行狀態(tài)與故障運(yùn)行狀態(tài)。為了提高辨識的準(zhǔn)確度，利用小波技術(shù)改進(jìn)MFNN的作用函數(shù)構(gòu)成了小波神經(jīng)網(wǎng)絡(luò)(WNN)。對化學(xué)反應(yīng)器中的一類典型