鍋爐故障是火力發(fā)電廠的一個(gè)重要問題,它具有高溫高壓高耦合性的特點(diǎn)。針對(duì)這一問題,提出一種基于改進(jìn)Murphy規(guī)則的智能融合故障診斷方法。首先利用Relief算法對(duì)鍋爐的各個(gè)變量進(jìn)行特征提取與選擇,獲得11個(gè)模型輸入變量;然后利用SVM、LVQ、 PNN、BP 4種不同的分類器進(jìn)行故障模型訓(xùn)練,并對(duì)每個(gè)模型進(jìn)行性能評(píng)估;最后利用改進(jìn)Murphy規(guī)則對(duì)4個(gè)分類器的結(jié)果進(jìn)行融合,得到最終的故障診斷結(jié)果。運(yùn)行結(jié)果證實(shí)該智能融合故障診斷方法可以有效診斷出鍋爐故障,提高故障診斷的準(zhǔn)確率,有效降低故障診斷的誤報(bào)率與漏報(bào)率。 

【文章來源】：中國測(cè)試. 2020,46(07)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

BP網(wǎng)絡(luò)結(jié)構(gòu)

BP分類結(jié)果

隨著機(jī)器學(xué)習(xí)，智能算法技術(shù)的飛速發(fā)展，已經(jīng)有越來越多的數(shù)據(jù)分析技術(shù)被應(yīng)用到了鍋爐設(shè)備智能故障診斷中[6-8]，但值得注意的是沒有哪種機(jī)器學(xué)習(xí)技術(shù)可以適合所有的模式識(shí)別，即使一種先進(jìn)的智能學(xué)習(xí)技術(shù)可以完美地用于某些分類任務(wù)，但在其他情況下，它的性能可能不理想。為了提高故障檢測(cè)系統(tǒng)的可靠性，把不同的智能分類器通過適當(dāng)?shù)娜诤霞夹g(shù)組合在一起，以構(gòu)建可靠的高質(zhì)量分類器，提高智能融合故障診斷系統(tǒng)的診斷準(zhǔn)確率。如圖1所示，本系統(tǒng)利用SVM、LVQ、PNN、BP 4種不同的分類器并行工作，然后利用改進(jìn)Murphy規(guī)則進(jìn)行融合建立智能融合故障診斷系統(tǒng)進(jìn)行故障檢測(cè)。2 故障特征提取

【參考文獻(xiàn)】：
期刊論文
[1]多源信息融合技術(shù)研究綜述[J]. 李洋,趙鳴,徐夢(mèng)瑤,劉云飛,錢雨辰.  智能計(jì)算機(jī)與應(yīng)用. 2019(05)
[2]基于改進(jìn)Jousselme證據(jù)距離的多傳感器決策融合方法[J]. 張雅媛,孫力帆,鄭國強(qiáng).  儀表技術(shù)與傳感器. 2019(07)
[3]基于多信息融合的變壓器故障診斷[J]. 袁海滿,吳廣寧.  高壓電器. 2018(09)
[4]基于大數(shù)據(jù)的火力發(fā)電遠(yuǎn)程監(jiān)督診斷的研究與應(yīng)用[J]. 李金拓.  儀器儀表用戶. 2018(10)
[5]PNN神經(jīng)網(wǎng)絡(luò)模型在變壓器故障診斷建模中的應(yīng)用[J]. 岳軍,黃誠,任瑞云.  自動(dòng)化技術(shù)與應(yīng)用. 2016(10)
[6]基于證據(jù)距離和模糊熵的加權(quán)證據(jù)融合新方法[J]. 侯曉東,蔡斌斌,金煒東,段旺旺.  廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(01)



本文編號(hào)：3271186