基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)及其改進(jìn)算法的供熱鍋爐房動(dòng)力裝置故障診斷研究.pdf

1、在我國北方，集中供熱已經(jīng)成為冬季采暖的主要方式。鍋爐房作為供熱之源，其經(jīng)濟(jì)有效、安全可靠的供熱對(duì)千家萬戶的日常工作和生活至關(guān)重要。風(fēng)機(jī)和水泵是供熱鍋爐房的主要耗能設(shè)備，一直處于高度自動(dòng)化、連續(xù)化運(yùn)行的狀態(tài)，對(duì)其狀態(tài)監(jiān)測(cè)、狀態(tài)查詢、故障診斷、故障處理至關(guān)重要。然而當(dāng)前的監(jiān)測(cè)與診斷仍停留在人工操作與經(jīng)驗(yàn)的基礎(chǔ)上，因此本文提出以城鎮(zhèn)供熱GIS系統(tǒng)為基礎(chǔ)平臺(tái)開發(fā)的基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)及其改進(jìn)算法的供熱鍋爐房動(dòng)力裝置故障診斷系統(tǒng)，可以實(shí)時(shí)對(duì)設(shè)

2、備進(jìn)行管理，方便故障診斷，從而進(jìn)行維修決策。
　　本文通過對(duì)某熱力公司的采暖期鍋爐故障維修統(tǒng)計(jì)分析，發(fā)現(xiàn)供熱鍋爐房具有故障多樣性、故障頻率不均衡性和振動(dòng)的破壞性的特點(diǎn)。其中風(fēng)機(jī)和水泵有11種常見故障。
　　結(jié)合供熱鍋爐房動(dòng)力裝置風(fēng)機(jī)和水泵發(fā)生故障的特點(diǎn)，提出供熱鍋爐房動(dòng)力裝置智能故障診斷系統(tǒng)。選擇ArcGIS作為系統(tǒng)開發(fā)的GIS平臺(tái)，采用Geodatabase數(shù)據(jù)模型來管理供熱管網(wǎng)及設(shè)備的空間數(shù)據(jù)信息。利用Microsoft

3、 Visual C++2010應(yīng)用程序與MATLAB各自的優(yōu)勢(shì)開發(fā)出了故障監(jiān)測(cè)診斷系統(tǒng)。
　　針對(duì)供熱鍋爐房風(fēng)機(jī)和水泵故障的不確定性和復(fù)雜性的特點(diǎn)，結(jié)合神經(jīng)網(wǎng)絡(luò)的自適應(yīng)自學(xué)習(xí)能力和模糊系統(tǒng)利用語言描述來獲取知識(shí)的優(yōu)點(diǎn)，建立了基于T-S模糊神經(jīng)網(wǎng)絡(luò)的供熱鍋爐房動(dòng)力裝置（以風(fēng)機(jī)為例）二級(jí)故障診斷模型，一級(jí)模型為基于T-S型模糊規(guī)則的多輸入單輸出的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)ANFIS模型，二級(jí)模型為基于T-S型模糊規(guī)則的多輸入多輸出的模糊神經(jīng)網(wǎng)

4、絡(luò)模型。以風(fēng)機(jī)和水泵常見故障振動(dòng)信號(hào)的特征頻譜峰值變化為依據(jù)，診斷故障類型，并對(duì)故障原因進(jìn)行識(shí)別。應(yīng)用 MATLAB軟件進(jìn)行系統(tǒng)仿真測(cè)試，通過實(shí)例與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比分析，結(jié)果表明基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法收斂速度快、診斷精度高、效果較穩(wěn)定，能夠有效地診斷風(fēng)機(jī)和水泵的故障。
　　通過對(duì)支持向量機(jī)分類問題的基本理論與思想的分析，以及對(duì)線性分類、近似線性分類、非線性分類算法的詳細(xì)推導(dǎo)和核函數(shù)的概念的引出，并且又通過懲罰參數(shù)c及R

5、BF核函數(shù)中的參數(shù)g對(duì)非線性支持向量分類模型影響的分析，最終提出3種參數(shù)尋優(yōu)的方法，分別建立了基于網(wǎng)格搜索算法、遺傳算法、粒子群算法以及參數(shù)未經(jīng)優(yōu)化的供熱鍋爐房動(dòng)力裝置故障診斷模型，通過對(duì)故障診斷結(jié)果的比較，得出遺傳算法和粒子群算法準(zhǔn)確率相對(duì)較高，在算法的搜索尋優(yōu)方式上更適合本研究對(duì)象場(chǎng)合。
　　建立了基于二叉樹的遺傳算法優(yōu)化SVM和基于二叉樹的粒子群算法優(yōu)化SVM的供熱鍋爐房動(dòng)力裝置故障診斷模型，通過故障診斷結(jié)果的比較，得出二者