一种基于可拓神经网络的烘房加热系统故障诊断方法

摘要

一种基于可拓神经网络的烘房加热系统故障诊断方法，利用可拓学定性和定量描述方式处理结构化知识的特性并结合神经网络并行结构的特点，使神经网络借助并行分布处理结构完成可拓推理过程。首先依据烘房加热系统设备监测参数和故障类型，建立基于可拓神经网络的物元输入、输出模型；然后将样本参数进行充分训练，并计算输出特征值的可拓距，通过比对可拓距和预设设备安全区间，实现设备故障诊断功能。

主权项

一种基于可拓神经网络的烘房加热系统故障诊断方法，其特征在于：所述故障诊断方法包括以下步骤：1)、建立烘房加热系统可拓神经网络模型网络输入层参数分别是：加热温度TW、助燃风机轴瓦温度T1、助燃风机转速n1、燃油流量RF、调节阀压力PS1、燃油压力PS2、助燃风机压力PS3、电机电流A、电机功率P，根据物元定义，建立可拓神经网络输入层9维物元模型M；根据烘房加热系统故障经验，该系统的故障包括：调节阀阻塞Q1、输送管道堵塞Q2、燃气水分含量过多Q3、燃油压力不足Q4、原油含水Q5、电机转子故障Q6；构建输出层6维的网络输出物元在原始神经网络中，神经元与神经元之间存在着连接权值w_ji，当9维特征以物元M的形式输入时，定义权值矩阵W：$W=\left[\begin{array}{cccc}{w}_{11}& w_{12}& \mathrm{...}& w_{19}\\ w_{21}& w_{22}& \mathrm{...}& w_{29}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ w_{m1}& w_{m2}& \mathrm{...}& w_{m9}\end{array}\right]$其中，w_ji表示物元M中第i个特征c_mi与神经网络隐层第j个神经元之间的连接权值，可知W的每一行w_ji(i＝1,2,...,9)表示输入层物元M的9维特征分别对隐层m维特征第j(j＝1,2,…,m)个神经元的连接权值；同理定义隐层与输出层之间的权值矩阵其中，w_ji(i＝1,2,...,m)表示隐层m维特征分别对物元的6维特征第j(1,2,…,6)个神经元的连接权值；2)、模型故障诊断根据预设设备安全区间，计算网络输出各节点可拓距ρ，当ρ<0，设备处于正常状态；当ρ>0，设备出现故障；当ρ＝0，设备处于故障边缘状态。