李 玲, 胡克磊

(1.上海电力学院 自动化工程学院, 上海 200090; 2.安徽华电六安电厂有限公司 热控分厂, 安徽 六安 237000)

基于不同学习算法的RBF神经网络在故障诊断中的应用

李 玲1, 胡克磊2

(1.上海电力学院 自动化工程学院, 上海 200090; 2.安徽华电六安电厂有限公司 热控分厂, 安徽 六安 237000)

基于对RBF神经网络常用的3种学习算法的研究,通过对凝汽器典型故障类型与故障征兆分析,提出了基于不同学习算法的RBF神经网络凝汽器故障诊断,并对诊断结果进行比较.诊断结果表明,基于3种常见学习算法的RBF神经网络都可以准确诊断出凝汽器的各种故障,但聚类方法和OLS算法学习速度要快得多,梯度训练方法速度较慢.研究还表明,RBF神经网络在故障诊断领域具有很好的实用性.

RBF神经网络; 学习算法; 凝汽器; 故障诊断

作为现代大型电站汽轮机组的主要辅助设备,凝汽器设备在汽轮机组的热力循环中起着冷源的作用,其工作性能直接影响到整个汽轮机组的安全性和经济性,因此,凝汽器设备状态的监测和故障诊断一直是研究热点[1-2].凝汽器设备发生故障的原因与其故障征兆之间是非线性关系,具有随机性、模糊性、复杂性等,精确的数学公式很难将其表达出来.而人工神经网络的特点是自学习、自组织能力突出,具有很强非线性模式分类能力,非常适合对设备进行故障诊断.

目前,反向传播(Back Propagation,BP)神经网络在故障诊断领域中应用最为广泛,但其在故障诊断中具有容易陷……