10.3969/j.issn.1671-7848.2006.01.002
神经网络在化工过程故障诊断中的应用
针对现代复杂的化工生产过程,提出一种基于神经网络的故障诊断方法.并分别将典型的BP算法和改进后的BP算法用于TE(Tennessee Eastman)模型的故障诊断中.经过诊断结果的比较,得出标准的BP算法在实际应用中具有收敛速度慢等缺点;自适应学习速率动量梯度下降的BP算法以及用L-M(Levenberg-Marquardt)法先对BP网络进行优化的BP算法具有收敛速度快、不易陷入局部极小值等优点,其中又以L-M优化BP算法效果最好.结合TE模型的仿真结果可以看出,L-M优化BP算法在工业实际中具有很大的优势.
故障诊断、神经网络、BP算法、TE模型
13
TP27(自动化技术及设备)
国家科技攻关项目2002AA412120
2006-03-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
6-9