云模型方法在选煤厂跳汰系统中的故障检测与诊断
2011-12-23范大鹏王雪丹
黑龙江科技大学学报 2011年4期
范大鹏, 王雪丹
(1.黑龙江科技学院 计算机与信息工程学院;2.黑龙江科技学院 电气与信息工程学院,哈尔滨 150027)
云模型方法在选煤厂跳汰系统中的故障检测与诊断
范大鹏1, 王雪丹2
(1.黑龙江科技学院 计算机与信息工程学院;2.黑龙江科技学院 电气与信息工程学院,哈尔滨 150027)
针对传统的故障检测与诊断方法的局限性,笔者结合信息融合思想和云模型算法,提出了用于选煤厂跳汰系统故障检测与诊断的云模型方法。采用一维云模型推理映射算法,代替传统神经网络方法的训练过程,融合多源信息合并处理,保证检测和诊断的正确性,并进行实时检测仿真。结果表明:系统辨识精度较高,能很好地反应跳汰系统工作情况,并能及时判断。该方法用于选煤厂跳汰系统故障检测与诊断可行。
云模型;推理映射;信息融合;神经网络
0 引言
传统的故障检测与诊断多采用神经网络的方法,存在诸多的局限性。如神经网络训练时间长,长时间的训练可能导致检测算法不及时,不能实现实时检测的目的;神经网络还需要大量的训练数据,反向传导是神经网络的特点,但是并不能保证网络能够恰当的工作,有可能陷入局部最小值的情况;神经网络的训练不能保证完全可靠,每一次训练都有可能产生不同的结果。
信息融合基于多源信息合并处理的思想,既可以防止单独信息的不可靠性,同时又可能将多源信息充分吸收,提取多源信息中相互关联的有用信息。……
登录APP查看全文
