基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

摘要：

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小了残差污染,提高了故障诊断的准确性和可靠性.以某300 MW机组1#高加测点为对象进行算例分析,验证了该方法对于多传感器故障诊断的可行性和准确性,计算和模拟表明,RITNN方法优于线性PCA和传统ITNN方法,能够更加准确进行多传感器故障的检测和故障数据的重构.

关键词：鲁棒输入训练神经网络、故障诊断、多传感器、影响因子、可靠性系数

所属期刊栏目：41

分类号：TP206.3(自动化技术及设备)

资助基金：东南大学科技基金资助项目9203000024

在线出版日期：2011-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：574-578