熱工過程中的故障不僅會影響機組的發(fā)電效率,而且可能引發(fā)嚴重的設(shè)備事故、機組非停和環(huán)境污染。故障診斷技術(shù)能夠及時發(fā)現(xiàn)并消除生產(chǎn)運行過程中的異常狀態(tài),已成為提高熱工過程安全性和可靠性的一項重要途徑。熱工過程實時數(shù)據(jù)流不但為過程監(jiān)控提供信息基礎(chǔ),所形成海量歷史數(shù)據(jù)也為過程的診斷與分析提供了基礎(chǔ)條件,在此基礎(chǔ)上開展的數(shù)據(jù)建模及診斷方法研究具有重要的現(xiàn)實意義和工程實用價值。本文圍繞熱工過程數(shù)據(jù)驅(qū)動建模與過程診斷方法開展研究工作,主要研究內(nèi)容如下:(1)提出了一種基于MITNN(Modified input training neural network)的非線性建模方法,該方法采用NAG(Nesterov’s accelerated gradient algorithm)方法建立了高效的動量因子和學習率自適應調(diào)整機制,有效提高了常規(guī)ITNN(Input training neural network)模型的訓練速率和訓練精度。(2)針對數(shù)據(jù)驅(qū)動建模過程中的“過擬合”問題,提出了一種新的融合過程先驗知識的FITNN(Fusion input training neural network)非線性建模方法,建立了拉格朗日罰函數(shù)法約束處理機制,采用等式、不等式、單調(diào)性和凹凸性約束等數(shù)學形式將機理先驗知識嵌入到網(wǎng)絡(luò)訓練過程中,通過NAG方法完成網(wǎng)絡(luò)權(quán)值優(yōu)化。進一步引入松弛變量擴大了罰函數(shù)的優(yōu)化空間,有效降低了網(wǎng)絡(luò)權(quán)重的尋優(yōu)難度。通過仿真算例和工程算例說明所提算法的有效性。(3)針對故障診斷過程中的“殘差污染”問題,提出了一種基于重構(gòu)神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)故障診斷方法,將預設(shè)故障方向引入到常規(guī)AANN(Auto-associative neural network)和ITNN兩種方法的診斷過程中,分別建立了AANN和ITNN模型的重構(gòu)指數(shù)計算公式,通過分析不同預設(shè)故障方向下的重構(gòu)指數(shù)來定位故障點位置。文中進一步給出了基于RBITNN(Reconstruction-based input training neural network)方法的故障診斷流程,可滿足單參數(shù)簡單故障和多參數(shù)復雜故障的診斷要求,仿真算例驗證了所提算法的優(yōu)越性。(4)提出了一種基于協(xié)方差矩陣自適應進化策略(Covariance Matrix Adaptation Evolution Strategy,CMA-ES)和分支限界算法的IRBITNN(Improved reconstruction-based input training neural network)故障診斷方法,一方面采用CMA-ES方法取代遞推下降方法,提高了RBITNN對單個故障參數(shù)組合的重構(gòu)效率,另一方面建立了RBITNN重構(gòu)指數(shù)與預設(shè)故障參數(shù)數(shù)量的單調(diào)性模型,采用分支限界算法方法實現(xiàn)了故障分離過程中的參數(shù)組合優(yōu)化,在確保診斷準確性的前提下顯著減少了故障分離時間。將該方法應用于某燃氣蒸汽聯(lián)合循環(huán)機組的故障診斷,仿真算例驗證了所提方法的有效性,能夠滿足在線診斷的要求。
【學位單位】：東南大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TM621

【參考文獻】

相關(guān)期刊論文 前10條

1 吳微;楊潔;;用于神經(jīng)網(wǎng)絡(luò)權(quán)值稀疏化的L_(1/2)正則化方法[J];中國科學:數(shù)學;2015年09期

2 宋玉寶;王樂樂;金理鵬;盧承政;姚燕;楊杰;;基于現(xiàn)場性能測試的脫硝裝置潛能評估及壽命預測[J];熱力發(fā)電;2015年05期

3 喬宗良;張蕾;周建新;司風琪;徐治皋;;一種改進的CPSO-LSSVM軟測量模型及其應用[J];儀器儀表學報;2014年01期

4 劉偉;司風琪;徐治皋;;基于燃燒特征量和模糊C均值聚類的燃燒診斷[J];東南大學學報(自然科學版);2012年S2期

5 婁海川;蘇宏業(yè);謝磊;;融合過程先驗知識的遞歸神經(jīng)網(wǎng)絡(luò)模型及其應用[J];化工學報;2013年05期

6 劉吉臻;曲亞鑫;田亮;常太華;;基于偏最小二乘回歸的鍋爐再熱汽溫建模[J];中國電機工程學報;2011年11期

7 顧燕萍;趙文杰;吳占松;;基于最小二乘支持向量機的電站鍋爐燃燒優(yōu)化[J];中國電機工程學報;2010年17期

8 董建勛;王松嶺;李永華;李辰飛;;選擇性催化還原煙氣脫硝過程數(shù)學模擬研究[J];熱能動力工程;2007年05期

9 趙征;劉吉臻;田亮;;基于數(shù)據(jù)融合的燃料量軟測量及煤質(zhì)發(fā)熱量在線校正[J];熱能動力工程;2007年01期

10 張勇;王介生;;基于PCA-RBF神經(jīng)網(wǎng)絡(luò)的浮選過程軟測量建模[J];南京航空航天大學學報;2006年S1期

本文編號：2819911