基于概率神经网络的凝汽器故障诊断研究

摘要：

基于概率神经网络(PNN)提出了一种新的汽轮机组凝汽器故障诊断方法.PNN是一种可用于模式分类的神经网络,其实质是基于Bayes分类规则与Parzen窗的概率密度函数方法发展而来的一种并行算法.PNN可以克服反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,而且优于常见的凝汽器故障诊断方法;PNN学习规则简单,训练速度快,可以满足训练上实时处理的要求;训练不需要太多样本,模式分类能力强,而且具有很高的运算速度;抗干扰能力强,对传感器测量噪声具有较强的诊断鲁棒性;新的训练样本也很容易加入以前训练好的分类器中,很适用于在线检测.将该方法用于某汽轮机组凝汽器故障诊断中,仿真结果表明了该网络在分类应用中的快速性、准确性,而且易于工程实现.

关键词：概率神经网络、凝汽器、故障诊断、模式分类、Parzen窗方法

所属期刊栏目：22

分类号：TK264.1+1(蒸汽动力工程)

资助基金：电力工业部电力行业青年科技促进基金

在线出版日期：2005-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：58-61