基于神经网络的除尘器故障诊断

发布时间：2021-08-06 00:22

　　针对目前除尘器故障诊断主要基于人工经验判断并结合停机检查,存在科学性与自动化水平不足、诊断效率低等问题,分析了除尘器滤芯破损、清灰失效、滤芯堵塞、卸灰障碍4个主要故障类型,选取粉尘排放浓度、过滤阻力、入口风量、漏风率、耗气量5个诊断参数,建立了除尘器故障诊断的BP和RBF神经网络预测模型。实例分析表明:BP神经网络模型收敛速度快,预测效果理想,可以准确判断除尘器故障类型,对滤芯破损、清灰失效、滤芯堵塞、卸灰故障的平均预测误差分别为0. 035%、0. 110%、0. 118%、0. 215%,预测结果优于RBF神经网络。 

【文章来源】：矿业安全与环保. 2020,47(01)北大核心

【文章页数】：7 页

【部分图文】：

除尘器模拟实验系统

基于BP神经网络的故障类型诊断模型

对比Scaled Conjugate Gradient(trainscg)、Levenberg Marquardt(trainlm)、Resilient Propagation Training(trainrp)、BFGS-拟牛顿法(trainbfg)等常用的训练方法[12]进行训练，得到不同训练过程曲线，如图3所示。图3 不同训练方法得到的训练过程曲线


本文编号：3324718