凝汽设备模糊神经网络故障类别诊断模型
- 摘要:
- 火电厂汽轮机凝汽设备故障较多，且故障原因复杂。在对凝汽设备故障类别详细分析的基础上,建立了基于模糊神经网络的凝汽器故障类别诊断模型。该模型结合了模糊逻辑与人工神经网络(ANN)的优点,采用了先进的批处理自适应变尺度优化学习算法(MDFP),减少了计算工作量,使故障诊断迅速,准确。仿真试验表明,模型故障类别诊断效果良好。
相似文献/References:
[1]叶绍义,沈 琦.玉环电厂超超临界1 000 MW汽轮机组快冷系统的应用[J].热力发电,2009,(08):89.
YE Shao-yi,SHEN Qi.APPLICATION OF RAPID COOLING-DOWN TECHNOLOGY ONTO ULTRA-SUPERCRITICAL STEAM TURBINE IN YUHUAN POWER PLANT[J].Thermal Power Generation,2009,(11):89.
[2]柏月梅,王浩森,王 昊.汽轮机监视仪表及其瞬态数据管理系统配置的优化改造[J].热力发电,2009,(08):125.
BAI Yue-mei,WANG Hao-sen,WANG Hao.RETROFIT FOR OPTIMIZING ALLOCATION OF TURBINE’S SUPERVISORY INSTRUMENTS AND TRANSIENT DATA MANAGEMENT SYSTEM[J].Thermal Power Generation,2009,(11):125.
[3]梁 军,徐亚涛.高压缸疏水管道超温爆破失效分析[J].热力发电,2009,(08):129.
LIANG Jun,XU Ya-tao.FAILURE ANALYSIS OF OVER-TEMPERATURE BURST ON DRAIN PIPELINE FROM HIGH-PRESSURE CYLINDER[J].Thermal Power Generation,2009,(11):129.
[4]罗海华,黄 文,吴金星,等.国内超超临界百万千瓦等级机组汽轮机旁路系统选型[J].热力发电,2009,(09):11.
LUO Hai-hua,HUANG Wen,WU Jin-xing,et al.TYPE SELECTION OF TURBINES’ BY-PASS SYSTEM FOR ULTRA-SUPERCRITICAL UNITS WITH 1 000 MW CAPACITY IN CHINA[J].Thermal Power Generation,2009,(11):11.
[5]何映光.300 MW循环流化床锅炉压火对机组的影响分析[J].热力发电,2009,(09):48.
HE Ying-guang.ANALYSIS ABOUT INFLUENCE OF BANKING FIRE IN 300 MW CFB BOILER UPON THE UNIT[J].Thermal Power Generation,2009,(11):48.
[6]王 琳,杨小飞,盛步云.基于LabVIEW的汽轮机转子温度监测系统[J].热力发电,2009,(10):61.
WANG Lin,YANG Xiao[CD*]fei,SHENG Bu[CD*]yun.TEMPERATURE MONITORING SYSTEM FOR STEAM TURBINE ROTOR BASED ON LABVIEW[J].Thermal Power Generation,2009,(11):61.
[7]付建国,曹金忠,刘金川,等.挂闸电磁阀卡涩对220 MW汽轮机组运行安全影响的分析和防范措施[J].热力发电,2009,(05):0.
[8]陈华桂,田 莉.超超临界600 MW汽轮发电机组振动分析与处理[J].热力发电,2009,(06):0.
[9]司派友,左 川.联合循环机组汽轮机深度滑参数停机[J].热力发电,2009,(06):0.
[10]陈 星,李红平.超临界600 MW机组锅炉起动初期过热器超温的原因及控制[J].热力发电,2009,(07):0.
备注/Memo
欧伟(1980-),男,西安交通大学能源与动力工程学院在读硕士研究生,研读方向为热工过程自动化。
