基于模糊神经网络的离心式压缩机故障诊断①
2017-11-01刘红军张晓刚
化工自动化及仪表 2017年3期
刘红军 张晓刚
(新疆西部明珠工程建设有限公司)
基于模糊神经网络的离心式压缩机故障诊断①
刘红军 张晓刚
(新疆西部明珠工程建设有限公司)
利用模糊神经网络建立离心式压缩机故障诊断模型,使用梯度下降法进行学习训练,引用万能逼近定理设计离心式压缩机非线性系统函数逼近误差公式。仿真结果表明:出现故障后,逼近误差函数能够精确诊断离心式压缩机故障。
模糊神经网络 离心式压缩机 故障诊断 万能逼近定理 逼近误差
近年来,随着石油化工产业装置的大型化,对离心式压缩机提出了高压、高速及高度自动化等一系列要求,这促进了离心式压缩机的发展和研究。随着科技的不断进步,压缩机功能的可靠性和安全性得到了极大的提高[1],但是压缩机本身仍存在稳定工况区域较小、易喘振等问题。另外,离心式压缩机的稳步工作也会由于部分外在因素而受到波动,如室内温度、负荷及不同气体特性等[2],所以设计一个自动化程度高、功能齐全、稳定可靠的控制系统对提高压缩机的使用寿命和企业的经济效益至关重要[3,4]。在此,笔者利用模糊神经网络建立离心式压缩机故障诊断模型,设计离心式压缩机非线性系统函数逼近误差公式,从而实现精准的离心式压缩机故障诊断。
1 神经网络结构
神经网络的拓扑结构可以分为两大类:层状结构和网状结构。层状结构神经网络(图1)包括输入层、隐含层和输出层,其中输入层用于接收样本值并传递给隐含层,隐含层的神经元个数根据实际问题的需求而定。……
登录APP查看全文
