论文部分内容阅读
随着科学技术的迅速发展,现代化的工程技术系统对于可靠性和安全性要求的提高,故障预报技术受到了越来越多的重视。由于神经网络具有很好的非线性映射能力,因而在故障预测领域得到了广泛的关注。本文以TE过程为研究对象,将储备池计算应用于TE过程的故障预测中。主要研究工作有以下几个方面:一、了解国内外故障预测领域研究现状,着重研究将神经网络应用于故障预测的具体实现方法。二、研究储备池神经网络计算方法。作为一种新型神经网络,储备池网络在时间序列预测问题上具有一定的优势,但也存在一些缺陷,如不适定性问题。本文分析了储备池网络不适定性问题的关键所在,并在此基础上,结合极速学习机网络(ELM)中的输出权值修正方法,提出了改进的储备池网络计算方法。该方法将结构风险考虑进来,最小化代价函数后,得到一个新的计算输出权重的公式。本文还通过两个标准时间序列数据集验证了改进算法在时间序列预测问题上的有效性。三、对TE过程进行故障预测研究。以TE过程中能够表征故障信息的特定变量为对象,利用改进的储备池网络对其未来时刻的状态分别进行一步预测,三步预测和五步预测,并通过三步预测所得的表征系统未来时刻状态的时间序列对系统进行具体故障类型的预测。预测结果表明将储备池神经网络应用于时间序列预测,并以此来预测具体故障类型的方法是比较有效的。