基于人工神经网络的回热系统主要故障预测模型
【出 处】:
【作 者】:
王妍
[1] ;
李颜
[1] ;
于军辉
[2] ;
于亚军
[3]
【摘 要】为有效预测回热系统故障,分别基于Traingda、Traincgf和Trainrp算法建立回热系统故障征兆和故障现象的误差反向传播神经网络预测模型,输入层为故障征兆,输出层为故障现象。以某电厂的实测数据对3种预测模型进行训练和测试,训练和测试结果表明:基于Traincgf算法建立的预测模型测试误差最小、收敛速度较快。其模型网络为9-7-9结构,动量因子为0.6,学习速率为0.8。基于Traincgf算法建立的回热系统故障征兆和故障现象的误差反向传播神经网络预测模型可有效通过故障征兆预测回热系统的故障现象,对回热系统的故障检测有一定的参考价值。
相关热词搜索: 回热系统 故障征兆 故障现象 Traincgf算法 人工神经网络