神经网络在化工过程故障诊断中的应用

被引：12

作者：

黄道

宋欣

机构：

[1] 华东理工大学信息工程学院

来源：

控制工程 | 2006年 / 01期

关键词：

故障诊断; 神经网络; BP算法; TE模型;

D O I：

10.14107/j.cnki.kzgc.2006.01.002

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

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。

引用

页码：6 / 9

页数：4

共 5 条

[1]

Base control for the Tennessee Eastmanproblem. Mcavoy T J,Ye N. Computers and Chemical Engineering . 1994

[2]

Plant-wide control of the TennesseeEastman problem. Lyman C,Georgakis P R. Computers and Chemical Engineering . 1995

[3]

Fault diagnosis of multivariate sys-tems using pattern recognition and multisensor data analysistechnique. Akbaryan F,Bishnoi P R. Computers and Chemistry . 2001

[4]

A plant-wide industrial process controlproblem. Downs J J,Vogel E F. Computers and Chemical Engineering . 1993

[5]

Decentralized control of the Tennessee Eastmanchallenge process. Ricker N L. Proc Control . 1996

← 1 →