《基于粒计算和神经网络的电站风机故障诊断的应用》由会员分享，可在线阅读，更多相关《基于粒计算和神经网络的电站风机故障诊断的应用（84页珍藏版）》请在金锄头文库上搜索。
1、太原理工大学 硕士学位论文 基于粒计算和神经网络的电站风机故障诊断的应用 姓名：杜莉 申请学位级别：硕士 专业：控制理论与控制工程 指导教师：谢克明 20090401 太原理工大学硕士研究生学位论文 I 基于粒计算和神经网络的电站风机故障诊断的应用 摘 要 随着科学技术和生产的发展，人们面临的控制系统日益复杂，自动化 程度越来越高，对系统的稳定性和系统故障的诊断处理也提出了更高的要 求。成功及时的故障诊断将能够对系统实施良好的控制，从而保证控制系 统能够高效稳定地运行。而系统中出现的某些微小故障若不能及时检测并 排除，极有可能造成整个系统的失效、瘫痪，甚至导致灾难性后果。设备 故障诊断技术是保
2、障设备安全运行的基本措施之一，就是对运行中系统的 异常状态和偏差进行检测、识别和预测的技术和方法。 风机是火电机组中不可少的机械设备，风机运行的安全可靠性直接影 响火电机组的安全经济运行。对于风机的故障诊断，在一些经验规则中， 存在判断条件冗余或不完全、故障征兆描述不确定等现象，给实际应用带 来很多缺陷，如诊断效率较低。人工神经网络由于对非线性映射关系的有 效逼近能力，适用于故障模式的识别问题。但神经网络为了得到较高的诊 断精度，需要较多训练样本，这样使得神经网络结构复杂，训练时间较长； 而且神经网络无法分析确定冗余和不确定信息更影响其学习效率和诊断精 度。粒计算主要用于处理不确定的、模糊的、
3、不完整的和海量的信息。 本文深入研究了设备故障诊断的技术和方法，分析了电站风机的故障 机理和特征，详述了粗糙集和粒计算的基本理论，提出二进制粒矩阵和依 赖度幂图结合的约简算法。结合粒计算的约简能力和人工神经网络对于非 太原理工大学硕士研究生学位论文 II 线性映射关系的有效逼近能力， 提出基于粒计算-神经网络的智能诊断算法。 并将粒计算-神经网络智能诊断算法应用于电站风机的故障诊断。本文利用 二进制粒矩阵约简算法对神经网络的输入数据进行预处理，通过对诊断特 征进行压缩或约简，剔除冗余特征，降低特征信息的维数，从而大大简化 神经网络结构，缩短训练时间，提高了神经网络的诊断精度和故障诊断的 效率。
4、通过电站风机的故障诊断实验分析，表明了粒计算-神经网络智能诊 断算法的有效性。 关键字：粒计算，二进制粒矩阵，神经网络，电站风机，故障诊断 太原理工大学硕士研究生学位论文 III APPLICATION OF FAULT DIAGNOSIS IN POWER PLANT FAN BASED ON GRANULAR COMPUTING AND NEURAL NETWORK ABSTRACT With the quick development and wide application of automation, computer and internetwork communication t
5、echnology, the control system is faced with increasingly complex and high requirements, and the fast fault diagnosis and processing have set higher request. Successful and timely fault diagnosis will be able to control the system excellently, so as to ensure the system to run efficiently and stably.
6、 And if some tiny fault in a system cant be detected and ridded as soon as possible, the whole system cant work effectively probably, even it may bring a disaster. It has been a pressing problem to ensure the equipment running safely. The fan is considered essential machinery of the power plant, its
7、 safety and reliability influence the safe and economical running of thermal power unit. And in experience rules of fan fault diagnosis, there are some conditions of redundant or incomplete judge factors and uncertain fault symptoms. Artificial neural 太原理工大学硕士研究生学位论文 IV networks are applicable to th
8、e pattern recognition problems due to the effective approximation ability to non-linear mapping relationship and the parallel processing ability to knowledge. But some problems always exist in the regular ANNs fault diagnosis method, such as complicated network structure and unsure redundant informa
9、tion. Granular computing (GrC) is chiefly applied to process uncertain, ambiguous, incomplete and mass information. In this paper, the technology and methods of fault diagnosis are researched, the fault principles and features of fan are analysed, the basic concepts of rought sets and granular compu
10、ting are described, and reduction algorithm based on binary granular matrix is introduced. A granular computing and neural network are integrated and applied in the fault diagnosis of power plant fan. This paper regards GrC as pretreatment of ANNs, reduces the dimension of feature information by red
11、ucing diagnosis feature attributes, and simplifies the ANNs structure, and improves the accuracy of ANNs fault diagnosis. An example applying to the power plant fan shows the effectiveness of the granular computing-neural network method proposed in the paper. KEYWORDS: Granular computing, binary gra
12、nular matrix, neural network, power plant fan, fault diagnosis 太原理工大学硕士研究生学位论文 VII 图索引 图 2-1 故障诊断表述.7 图 2-2 故障诊断过程.8 图 3-1 各种知识表示方法之间的关系.28 图 3-2 粗糙集关系图.30 图 3-3 属性集 A 的幂图.40 图 3-4 属性集 A 的依赖度幂图.42 图 3-5 人工神经元k的模型.46 图 3-6 前馈网络.47 图 3-7 单层全连接反馈网络.48 图 3-8 RBF 网络结构.50 图 4-1 粒计算-神经网络故障诊断算法流程图.54 图 4-2 原始样本构建的 RBF 神经网络的训练曲线.66 图 4-3 约简后的样本构建的 RBF 神经网络的训练曲线.66 太原理工大学硕士研究生学位论文 VIII 表索引 表 3-1 信息系统 IS.
