论文部分内容阅读
本文应用模糊模块化神经网络和递推合成BP网络,并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术对锅炉故障诊断与预测问题进行了研究,开发了锅炉故障诊断与预测软件。在该软件的开发研究过程中,收集了锅炉故障诊断与预测样本,增加了锅炉故障预测知识,拓展了原有的锅炉故障诊断知识库,建立了知识获取模块、故障诊断与预测模块、故障解释模块等。还用本文编制(Visual C++语言)的锅炉故障诊断与预测软件,对锅炉常见故障进行仿真实验。本文所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚类,实验结果表明:其网络训练的速度和精度明显提高,同时有效地解决了BP网络应用于复杂的锅炉系统故障诊断时,存在训练收敛慢并容易陷入局部最小点的问题。且该网络采用多输出的结构,不仅能对故障是否发生进行诊断,而且还能判断故障发生的严重程度,给现场运行人员提供了有益的参考。本文所建的用于锅炉故障预测的递推合成BP网络由于BP网络各层之间及输入层与输出层之间的连接权的增加和线性激励函数的采用,极大地加强了内部节点的关联能力,避免了BP网络预测的饱和性的出现。通过基于递推合成BP网络的单、多变量时间序列模型与灰色预测模型的预测精度分析计算表明,应用基于递推合成BP网络的多变量时间序列模型能较准确的预测锅炉故障,指导运行人员对机组进行即时调整,使预期的参数在允许范围内,以避免故障的发生。