| 【中文题名】 | 基于神经网络的火电厂凝汽器故障诊断研究 |
| 【英文题名】 | On Fault Diagnosis for Condenser of Power Plant Based on Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-6 |
| 【中关键词】 | SOM神经网络,BP神经网络,凝汽器,故障诊断,, |
| 【英关键词】 | BP neural network,SOM neural network,fault diagnosis,condenser, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 |
本文致力于将先进的人工智能故障诊断方法应用于电厂设备中,研究基于神经网络的故障诊断理论和方法,并应用于凝汽器故障诊断。
首先利用Matlab中的Simulink工具箱完成对整个火电厂模型的建立、调试并建立了火电厂的常见的故障模型。根据凝汽器设备的特点,总结了凝汽器的故障知识库。
提出基于SOM神经网络和模糊BP神经网络的故障诊断方法。SOM网络直接进行聚类识别诊断,具有快速识别故障的能力。模糊BP神经网络在征兆参数进行模糊化的基础上,利用改进学习算法训练BP神经网络,训练速度大大提高。通过对凝汽器多个典型故障的诊断仿真,表明了两种方法的有效性。
利用Visual C++ 6.0作为开发工具,开发了基于Windows XP操作平台的电厂故障诊断软件。 |
| 【论文题纲】 |
|
提要 |
4-9 |
|
第一章绪论 |
9-17 |
|
1.1 课题背景及研究意义 |
9-10 |
|
1.2 故障诊断技术的发展和研究现状 |
10-12 |
|
1.2.1 国外状态检测与故障诊断技术的发展和应用现状 |
10 |
|
1.2.2 国内故障诊断技术的发展及研究现状 |
10-11 |
|
1.2.3 火电厂故障诊断研究中存在的问题 |
11-12 |
|
1.3 火电厂设备的故障诊断方法 |
12-16 |
|
1.3.1 专家系统诊断方法 |
12-13 |
|
1.3.2 模糊诊断方法的应用 |
13-14 |
|
1.3.3 基于粗糙集理论的故障诊断方法 |
14 |
|
1.3.4 神经网络技术的应用 |
14-16 |
|
1.4 本文研究的主要内容 |
16-17 |
|
第二章火电厂系统模型及故障诊断研究 |
17-29 |
|
2.1 火电厂系统概述 |
17-23 |
|
2.1.1 燃气轮机 |
19-20 |
|
2.1.2 蒸汽轮机 |
20-21 |
|
2.1.3 锅炉 |
21-22 |
|
2.1.4 凝汽器 |
22 |
|
2.1.5 给水系统 |
22-23 |
|
2.2 故障与故障诊断概述 |
23-25 |
|
2.2.1 故障分类与特征描述 |
23-24 |
|
2.2.2 故障诊断与故障诊断过程 |
24-25 |
|
2.3 大规模过程系统故障模型化研究 |
25-28 |
|
2.3.1 传感器故障模型 |
26 |
|
2.3.2 执行器故障模型 |
26-27 |
|
2.3.3 系统状态故障模型 |
27-28 |
|
2.3.4 渐进性与突发性故障模型 |
28 |
|
2.4 本章小结 |
28-29 |
|
第三章基于SOM 神经网络的凝汽器故障诊断 |
29-45 |
|
3.1 引言 |
29 |
|
3.2 凝汽器系统概述及其故障诊断的特点 |
29-32 |
|
3.2.1 凝汽器系统概述 |
29-31 |
|
3.2.2 凝汽器故障诊断的特点 |
31 |
|
3.2.3 凝汽器系统故障诊断方法的分析研究 |
31-32 |
|
3.3 凝汽器的运行故障及征兆提取 |
32-34 |
|
3.4 凝汽器系统故障诊断的过程 |
34-36 |
|
3.4.1 故障诊断的基本思想 |
34-35 |
|
3.4.2 凝汽器系统故障诊断的过程 |
35-36 |
|
3.5 自组织特征映射神经网络 |
36-40 |
|
3.5.1 自组织特征映射神经网络模型 |
37-38 |
|
3.5.2 自组织特征映射神经网络的学习算法 |
38-40 |
|
3.6 自组织神经网络在凝汽器故障诊断中的应用 |
40-44 |
|
3.6.1 故障征兆参数处理 |
40-41 |
|
3.6.2 神经网络的学习及诊断过程 |
41-42 |
|
3.6.3 凝汽器故障诊断仿真 |
42-44 |
|
3.7 本章小结 |
44-45 |
|
第四章基于模糊BP 神经网络的故障诊断方法 |
45-67 |
|
4.1 引言 |
45 |
|
4.2 BP 神经网络 |
45-53 |
|
4.2.1 BP 网络结构及学习算法 |
45-51 |
|
4.2.2 BP 神经网络改进学习算法 |
51-52 |
|
4.2.3 神经网络初始权值的选取 |
52-53 |
|
4.3 模糊BP 神经网络方法 |
53-57 |
|
4.3.1 模糊理论概述 |
53-54 |
|
4.3.2 模糊逻辑与神经网络的结合 |
54-55 |
|
4.3.3 模糊 BP 神经网络结构 |
55-57 |
|
4.4 凝汽器系统的模糊神经网络故障诊断实现 |
57-62 |
|
4.4.1 模糊隶属函数及故障知识库的建立 |
57-60 |
|
4.4.2 模糊诊断的BP 神经网络模型及学习 |
60 |
|
4.4.3 几种学习算法训练结果比较 |
60-62 |
|
4.5 凝汽器故障诊断仿真 |
62-66 |
|
4.5.1 单故障诊断仿真 |
62-63 |
|
4.5.2 多故障诊断仿真 |
63-64 |
|
4.5.3 故障程度诊断仿真 |
64-66 |
|
4.6 本章小结 |
66-67 |
|
第五章 火电厂状态监控与故障诊断仿真系统 |
67-77 |
|
5.1 引言 |
67 |
|
5.2 开发平台的选择 |
67-70 |
|
5.3 系统功能模块与界面设计 |
70-71 |
|
5.4 系统功能模块实现 |
71-76 |
|
5.5 本章小结 |
76-77 |
|
第六章 全文总结 |
77-79 |
|
参考文献 |
79-83 |
|
附录 |
83-97 |
|
摘要 |
97-99 |
|
Abstract |
99-102 |
|
致谢 |
102-103 |
|
作者攻读硕士学位期间完成的主要论文 |
103-104 |
|
导师与作者简介 |
104 |
|
| 【DOI】 | LunWen.ID:2.2008.388716 |
