论文部分内容阅读
凝汽器工作状况好坏直接影响凝汽式汽轮发电机组运行的安全经济性。为此，针对某300 MW机组对分式凝汽器的结构特点、实际凝汽系统构成及现场的DAS测点布置，首次运用基于模型的故障仿真方法，较完善地总结了对分式凝汽器的典型故障知识库，并对故障征兆的具体表达方法进行了探讨。在此基础上运用模糊模式识别和人工神经网络2种方法实现对分式凝汽器故障诊断。故障模糊模式识别采用了一种改进的故障隶属函数形式，有效克服了现有隶属数易对正常工况产生误诊断的不足。神经网络训练过程中，提出了基于恒误差修正率控制的网络学习率自适应调整