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<img file="FDA0001043309420000011.GIF" wi="67" he="63" /><img file="FDA0001043309420000012.GIF" wi="1237" he="527" />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<sub>ji</sub>,当9维特征以物元M的形式输入时,定义权值矩阵W:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>W</mi><mo>=</mo><mfenced open = "[" close = "]"><mtable><mtr><mtd><msub><mi>w</mi><mn>11</mn></msub></mtd><mtd><msub><mi>w</mi><mn>12</mn></msub></mtd><mtd><mn>...</mn></mtd><mtd><msub><mi>w</mi><mn>19</mn></msub></mtd></mtr><mtr><mtd><msub><mi>w</mi><mn>21</mn></msub></mtd><mtd><msub><mi>w</mi><mn>22</mn></msub></mtd><mtd><mn>...</mn></mtd><mtd><msub><mi>w</mi><mn>29</mn></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>w</mi><mrow><mi>m</mi><mn>1</mn></mrow></msub></mtd><mtd><msub><mi>w</mi><mrow><mi>m</mi><mn>2</mn></mrow></msub></mtd><mtd><mn>...</mn></mtd><mtd><msub><mi>w</mi><mrow><mi>m</mi><mn>9</mn></mrow></msub></mtd></mtr></mtable></mfenced></mrow>]]></math><img file="FDA0001043309420000013.GIF" wi="550" he="279" /></maths>其中,w<sub>ji</sub>表示物元M中第i个特征c<sub>mi</sub>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<sub>ji</sub>(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<img file="FDA0001043309420000014.GIF" wi="73" he="55" /><img file="FDA0001043309420000015.GIF" wi="566" he="307" />其中,w<sub>ji</sub>(i=1,2,...,m)表示隐层m维特征分别对物元<img file="FDA0001043309420000021.GIF" wi="56" he="55" />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。 |