首页> 中文学位 >基于神经网络的电厂锅炉故障诊断研究
【6h】

基于神经网络的电厂锅炉故障诊断研究

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究的背景及意义

1.2 国内外研究现状

1.3 故障诊断技术方法研究

1.3.1 基于信号处理的方法

1.3.2 基于数学模型的方法

1.3.3 基于知识的方法

1.4 本课题主要研究的内容

第2章 锅炉工艺流程原理及故障分析

2.1 电厂锅炉工艺流程及系统介绍

2.2 锅炉故障分析

2.2.1 锅炉“四管泄漏”原因分析

2.2.2 “四管泄漏”故障现象

2.2.3 锅炉故障诊断系统结构框架

2.3 故障参数分析

2.4 样本数据预处理

2.5 小结

第3章 基于小波神经网络的故障诊断

3.1 神经网络概述

3.2 BP神经网络

3.3.1 小波变换理论

3.3.2 小波神经网络

3.3.3 小波神经网络训练算法

3.3.4 小波神经网络优势和不足

3.4 基于粒子算法优化小波神经网络

3.4.1 粒子群算法原理

3.4.2 基于粒子群算法优化小波神经网络

3.5 实验仿真

3.6 本章小结

第4章 基于概率神经网络的故障诊断

4.1.1 贝叶斯分类规则

4.1.2 Parzen窗方法

4.2 概率神经网络模型

4.2.1 拓扑结构

4.2.2 学习算法

4.3 概率神经网络改进方法

4.4 仿真实验

4.5 小结

第5章 锅炉故障诊断系统软件设计与实现

5.1 组态王软件介绍

5.2 锅炉故障诊断系统设计

5.2.1 主控画面的设计

5.2.2 历史、实时数据报表的设计

5.2.3 报警画面的设置

5.3.1 OPC技术简介

5.3.2 OPC客户端服务器通信流程

5.3.3 MATLAB与组态王实时通讯具体实现

5.4 小结

结论

参考文献

攻读硕士学位期间所发表的论文

致谢

展开▼

摘要

随着电力工业的迅速发展,大型电站锅炉的应用日趋广泛且锅炉系统的结构更复杂,且运行参数更多,对故障诊断技术应用的迫切性也与日俱增。在众多故障诊断技术中,基于神经网络的故障诊断技术由于学习能力强、容错性好、快捷方便以及能够处理复杂的非线性关系等优点而被广泛应用于电厂系统故障诊断研究。在基于神经网络故障诊断方法中,故障特征的识别与分类是影响故障诊断系统安全、可靠、高效的发挥功能关键步骤之一。因此对故障特征识别与分类精度的研究至关重要。
  论文针对电厂屏式过热器在发生泄漏时,故障特征规律难以总结,特征知识提取困难,特征参数变化快等问题,为了克服传统单一锅炉故障诊断方法和人工监控故障诊断所存在的缺点,设计了小波神经网络故障诊断模型。并针对网络模型训练参数取值问题,提出粒子群算法对参数进行优化。通过MATLAB仿真对比研究表明,基于粒子群优化小波神经网络故障诊断模型,在精度和训练时间上优于其它算法。此外,针对多种故障模式并存情况下,故障特征维数高等特点,设计了概率神经网络故障诊断模型,并采用粒子群算法对网络进行改进,形成自适应概率神经网络故障诊断模型。MATLAB仿真验证了改进算法的有效性。论文最后采用组态王软件完成了火电厂故障诊断系统的组态监控系统设计,并利用OPC技术建立了MATLAB与组态王之间的数据通讯,实现了在MATLAB环境下的故障监控。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号