基于神經(jīng)網(wǎng)絡(luò)的過程工業(yè)故障診斷方法研究.pdf

1、過程工業(yè)的故障診斷對(duì)保證生產(chǎn)安全、提高產(chǎn)品質(zhì)量有著重要作用。論文以神經(jīng)網(wǎng)絡(luò)研究為基礎(chǔ)，針對(duì)過程工業(yè)存在數(shù)據(jù)分布復(fù)雜、高維等特性，對(duì)其故障診斷方法進(jìn)行研究。具體工作包括：
　?。?）過程工業(yè)數(shù)據(jù)的高維及相關(guān)特性，會(huì)影響診斷結(jié)果的準(zhǔn)確性。論文先采用主元分析法對(duì)數(shù)據(jù)降維處理以去除相關(guān)性，處理后的數(shù)據(jù)輸入學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，田納西-伊斯曼(TE)過程的仿真表明該方法(PCA-LVQ)具有更高的識(shí)別率。
　　（2）論文采

2、用粒子群優(yōu)化算法來確定概率神經(jīng)網(wǎng)絡(luò)的平滑參數(shù)，針對(duì)標(biāo)準(zhǔn)PSO算法易陷入局部極值的缺點(diǎn)，采用非線性變化的慣性權(quán)重代替線性變化的慣性權(quán)重來改進(jìn)粒子群優(yōu)化算法(IIWPSO)，最后應(yīng)用于概率神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障診斷。數(shù)值仿真和TE過程的仿真表明了該方法(IIWPSO-PNN)的有效性。
　　（3）在實(shí)際應(yīng)用中，操作者通常是缺乏神經(jīng)網(wǎng)絡(luò)計(jì)算經(jīng)驗(yàn)的普通技術(shù)人員，很難保證實(shí)際效果，因此，論文將神經(jīng)網(wǎng)絡(luò)集成算法應(yīng)用于故障診斷中。首先采用Baggi