基于SOM神经网络的凝汽器故障诊断研究_马永光.pdf

第33 卷第4 期 华 北 电 力 大 学 学 报 Vol.33, No.4 2006 年7 月 Journal of North China Electric Power University Jul., 2006 基于SOM 神经网络的凝汽器故障诊断研究 马永光，殷 喆，马良玉 （华北电力大学控制科学与工程学院，河北保定071003） 摘要：应用自组织特征映射 （SOM）神经网络实现凝汽器的故障诊断。介绍了SOM 网络的结构和学习算 法; 总结了凝汽器的故障集、征兆集和故障特征数据。在 MATLAB 环境下给出了凝汽器故障诊断的具体 实例，表明该方法是一种可行有效的凝汽器故障诊断方法。 关键词：凝汽器系统；故障诊断；SOM 神经网络 中图分类号：TK284.1 文献标识码：A 文章编号：1007-269 1 (2006) 04-0005-04 Study on fault diagnosis of condenser based on SOM neural network MA Yong-guang, YIN Zhe, MA Liang-yu (School of Control Science and Engineering, North China Electric Power University, Baoding 07 1003, China) Abstract: A method based on self-organizing neural network is applied to realize fault diagnosis of condenser. The structure of SOM network and learning algorithm is introduced. The fault sets, fault symptoms and fault feature data are summarized. An instance of condenser fault diagnosis is presented in Matlab environment. The simulation result indicates that the method is effective. Key words: condenser system; fault diagnosis; SOM neural network 当输入某一类别矢量时，神经网络中的一个神经元 引 言 将会在其输出端产生最大值，而其他神经元具有最 小输出值。因此，该网络根据最大值的神经元的位 凝汽设备是凝汽式汽轮机的一个重要组成部 置来判断输入矢量所代表的故障。本文将SOM 网 分，在热力发电机组中占有极为重要的地位。由于 络应用于凝汽器的故障诊断，并通过MATLAB 神 凝汽器本身结构复杂而且相关设备较多，因此常常 经网络工具箱来实现。 由于安装、检修、运行等原因，工作过程中会出现 各种故障，特别是低真空故障。凝汽器真空过低， 1 SOM 神经网络结构和学习算法 将引起有效焓降减小，循环热效率下降，导致汽轮 机排汽温度升高，引起排汽缸变形和振动。所以凝 1.1 SOM 神经网络结构 汽设备的工作性能直接影响到整个汽轮机组的经济 自组织特征映射模型SOM 是Teuvo Kohonen