论文部分内容阅读
城市热网监控系统复杂而庞大,系统中含有大量的传感器,它们的故障对供热系统的可靠运行具有重大影响。针对热网监控系统分布面广、检测点多的特点,本文提出了一种基于径向基函数神经网络预测器的传感器故障诊断结构和诊断方法。首先将整个热网的数据监测系统分成若干个子系统,每个热力站即为一个子系统,分别为每一个子系统建立RBF神经网络预测器。热网采用分阶段改变流量的质调节方法,对热网中的循环水温度进行调节。当热网系统的流量发生改变时,根据压力、流量以及供、回水温度存在的数学关系,判断温度传感器的故障。当流量恒定时,用影响温度的各相关参量的实测数据,对RBF网络进行训练,然后用训练好的RBF网络对温度值进行预测,通过RBF网络预测器的输出值和传感器实际输出之差与设定的阈值进行比较,检测传感器故障;若差值大于设定的阈值,则说明传感器出了故障。最后采用多传感器信息融合技术建立两级神经网络预测器,根据二次预测输出形成决策函数,实现对故障传感器的定位,通过故障转换开关及时对监控系统进行传感器的信号恢复,以消除故障的影响。
根据上述研究方案构建了径向基函数神经网络传感器故障诊断系统,并进行了诊断系统仿真分析。结果表明,该方法能对监控系统传感器进行有效的状态监测和故障诊断,具有良好的实际应用前景。