凝汽器故障诊断

BP神经网络的凝汽器故障诊断主要内容：◆BP神经网络的输入输出的选取◆确定网络训练的最优结构◆测试样本实例分析输入输出样本的确定输出样本—凝汽器典型故障故障序号故障类型1真空系统不严密2真空系统管路破裂3后轴封磨损严重或供汽中断4凝汽器铜管破裂（少量）5凝结水泵工作不正常6低压加热器铜管破裂（少量）7循环水泵电机故障8凝汽器铜管内表面脏污9循不水流量不足10真空泵故障11循环水排水管道堵塞等原因造成排水不畅12水位过高淹没部分铜管（凝汽器满水)输入样本—凝汽器故障征兆集征兆序号故障征兆征兆序号故障征兆1真空急剧降13低压加热器水位升高2真空缓慢下降14循环水温升增大3凝汽器端差增大15循环水泵电机电流降至零4凝结水过冷度增大16循环水泵出口压力降至零5低压缸胀差异常17循环水泵电机电流下降6凝结水导电度增加18循环水泵出口压力下降7热井水位升高19循环水入口和出口压差增大8凝结水泵出口压力增加20凝汽器抽气口与真空泵入口之间的压差减小9凝结水泵电机电流增加10循环水温升减小21真空泵电机电流下降11凝结水泵电机电流减小22循环水泵出口压力增大12凝结水泵出口压力下降23真空泵抽出的空气温度与冷却水进口温度之差增大征兆集中“1”表示故障存在“0”表示不存在凝汽器典型故障样本知识库故障类型中“1”表示属于这种故障“0”不属于此故障型网络训练目标输出向量三层BP神经网络的训练及分析◆采用newff函数来生成BP网络◆23个故障征兆作为BP网络的输入◆12个故障作为BP网络的输出◆学习算法采用变学习率算法，学习率初值取为0.85，学习速率增长比例因子和学习速率下降比例因子取为缺省值◆训练过程两次之间的训练次数取为10，最大迭代次数取为1000◆学习目标取为0.00001◆可变动量因子选取0.9，隐层节点数选取M=23N=12那么隐层的节点数选取7-15通过试凑的方法选取隐层节点数为8个时收敛速度和收敛效果都很好理想网络训练结构学习过程稳定没有出现误差剧烈振荡没有长时间的误差平坦区隐层节点为7时网络误差曲线网络拟合曲线隐层节点为8时网络误差曲线网络拟合曲线隐层节点为9时网络误差曲线网络拟合曲线隐层节点为10时网络误差曲线网络拟合曲线隐层节点为11时网络误差曲线网络拟合曲线隐层节点为12时网络误差曲线网络拟合曲线改变学习率lr=0.5隐层节点数为16网络误差曲线网络拟合曲线综上分析隐层节点数为8最佳各参数输出结果如下目标输出量改变学习率lr=0.5隐层节点数为16的输出样本实例分析取训练样本[01110000000000000000000]测试样本选取测试目标输出lr=0.85隐层节点数为8lr=0.5隐层节点数为16根据测试样本输出对照凝汽器故障样本表可以得出结论:即故障为真空系统不严密该结论与现场诊断结果一致对比分析lr=0.5隐层节点数16识别率高泛化能力强接近于目标输出