煤气鼓风机故障诊断的神经网络模型研究与实现.pdf

《煤气鼓风机故障诊断的神经网络模型研究与实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第2期计算机应用与软件Vol.28No．22011年2月ComputerApplicationsandSoftwareFeb．2011煤气鼓风机故障诊断的神经网络模型研究与实现汪光阳周义莲(安徽工业大学安徽马鞍山243002)摘要针对煤气鼓风机的故障特点，提出了一种基于BP神经网络的故障诊断方法。通过大量的模拟数据实验研究建立了神经网络故障诊断模型，并且实现了算法的编程，利用典型的故障数据对神经网络进行了训练，最后采用煤气鼓风机的实际工作数据验证了网络的有效性和准确性。关键词故障诊断神经网络煤气鼓风机ONNEURALNETWORKMO

2、DELFORGASFANFAULTDIAGNOSISANDITSIMPLEMENTATIONWangGuangyangZhouYilian(AnhuiUniversityofTechnology，Maanshan243002，Anhui，China)AbstractAfterstudyingthefaultfeaturesofgasfan，themethodoffaultdiagnosisforgasfanbasedonBPneuralnetworkisintroducedinthispaper．ThemodelofBPneuralnetwo

3、rkfaultdiagnosiswasbuiltupafterstudyingontheexaminationresultoflotsofsimulationdata．Theprogrammingofthealgorithmhasbeenimplementedaswell．TypicaldatawasusedtotraintheBPneuralnetwork．Intheend，theeffectivenessandtheaccuracyofthenetworkwasverifiedbythedataofgasfaninpracticalwor

4、kingconditions．KeywordsFaultdiagnosisNeuralnetworkGasfan程;通过计算输出层神经元结点与期望输出之间的误差，误差信0引言号将沿原来的路径返回，通过修改各层的权重和阈值使误差信号最小，这是BP神经网络的反向传输过程。利用BP网络进行故煤气鼓风机是一种旋转压缩机械，它的作用主要是用来向障诊断时，只进行网络的正向传播;对BP网络进行学习训练时，炼铁高炉送高压煤气，是冶金企业使用的核心动力设备。鼓风则需对网络进行反复的正向传播和反向传播的迭代过程直到指机一旦发生故障停机，将直接导致高炉报废、整个生

5、产线乃至定的误差条件得到满足时才停止。算法的整体流程如图2所示。整个工厂停产，甚至会造成人身伤亡事故，造成环境污染，产生具体的计算过程(δ学习规则)见参考文献［4－6］。不良的社会影响。煤气鼓风机的各种故障与其特征并非存在一一对应的确定关系，而是表现出一种模糊的、亦此亦彼的关系。另外，大型旋转机械转子支撑系统中存在的非线性、失稳、机电藕合相互作用等问题，更使得振动变得复杂多样，给故障诊断带来了许多困难。随着科学技术的发展，特别是人工智能神经网络技术的发展，极大地推动了设备故障诊断技术的进步。人工神经网络已经在信息处理、模式识别、智能控制等领域

6、得到越来越广泛的应用，尤其是基于误差反向传播(ErrorBackPropaga-tion)算法的多层前馈网络，即BP网络，可以以任意精度逼近任意连续函数，所以广泛地应用于非线性建模、函数逼近和模式分［1－3］图1BP神经网络故障诊断模型结构图类等方面。激活函数函采用Sigmoid函数，即:11煤气鼓风机故障诊断的BP神经网络f(x)=(1)－x1+e［4－7］模型神经网络的学习算法采用最速梯度下降法，即:E用于故障诊断的BP神经网络模型如图1所示，此网络由三ΔW=－ηW(2)层神经元组成:即输入层、隐含层和输出层。输入信号X通过激活函数的

7、作用向前传播到隐含层，隐含层结点经激活函数再把信收稿日期:2009－09－06。安徽省教育厅自然科学基金重点项目息传播到输出层的神经元结点，这是BP神经网络的正向传播过(KJ2008A102)。汪光阳，教授，主研领域:工业过程控制。第2期汪光阳等:煤气鼓风机故障诊断的神经网络模型研究与实现91式中:η为学习速率，且η＞0。所有峰值中的最大值，把这11个最大值设定为输入层12个数为提高训练速度，在加权调节的过程中，引入一个动量项，据源中的11个，从而可以得到精度较高的数据源。另外一个数则带有动量项的加权调节公式为:据源采用振动烈度，振动烈度定义

8、为频率10～l000Hz范围内振E动速度的均方根值。在数据源进入神经网络进行迭代训练之ΔW(t+1)=－η+aΔW(t)(3)W前，为了保证网络所有的输入都在［