基于人工神经网络的化工过程的故障诊断

论文摘要

对化工过程进行监控与故障诊断确保生产过程的稳定性和安全性是现代化化工生产中一个热点研究问题。本文针对化工过程的故障诊断问题,提出将径向基网络的重要变形—概率神经网络(PNN)应用于化工过程的故障检测与诊断,并以数值仿真实例和Tennessee Eastman(TE)过程为例,进行了故障检测和故障诊断的仿真实验,实验结果与应用广泛的BP网络进行比较。证明概率神经网络在故障检测与诊断方面优于BP网络。在此基础上,本文提出Haar小波与概率神经网络相结合的HWPNN故障诊断方法,以TE过程为例对这种方法进行了有效性验证。在TE过程故障诊断实验中,HWPNN方法的总错分率为0%,明显优于HWBP方法(Haar小波与BP网络结合的故障诊断方法)、BP网络、概率神经网络。HWPNN方法是一种可行而有效的故障诊断方法。论文的主要工作如下:1.对故障诊断方法进行了回顾,总结和分析了故障诊断技术的发展趋势。2.详细介绍了用于评价故障诊断方法的仿真实例Tennessee Eastman(TE)过程。3.阐述了BP网络的网络结构BP算法,并以数值仿真实例和TE过程为例进行了故障检测与诊断的仿真实验研究。4.提出将概率神经网络用于化工过程的故障检测与诊断,并以数值仿真实例和TE过程为例进行了故障检测和故障诊断的仿真实验。实验结果证明概率神经网络在化工过程故障诊断方面优于应用广泛的BP网络。5.提出Haar小波与概率神经网络相结合的HWPNN故障诊断方法,并将这种方法用于TE过程进行有效性验证。实验结果表明HWPNN方法是一种有效的故障诊断方法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 故障诊断技术的发展及意义
• 1.2 故障诊断及相关概念
• 1.3 故障诊断方法的分类
• 1.3.1 基于解析模型的方法
• 1.3.2 基于定性模型和搜索策略的方法
• 1.3.3 基于过程历史数据的方法
• 1.4 化工过程故障诊断的发展趋势
• 1.5 本论文选题的意义及主要研究内容
• 1.5.1 本论文选题的意义
• 1.5.2 本论文的主要研究内容
• 第2章 TENNESSEE EASTMAN 过程
• 2.1 引言
• 2.2 TE 过程的工艺流程
• 2.3 TE 过程中的测量变量和操作变量
• 2.4 TE 过程的故障类型
• 2.5 TE 过程故障样本说明
• 2.6 TE 过程的故障诊断方法研究现状
• 第3章 BP 神经网络在故障检测与诊断中的应用
• 3.1 引言
• 3.2 基于BP 神经网络的故障检测与诊断方法
• 3.2.1 BP 神经网络的网络结构及常规BP 算法
• 3.2.2 改进的BP 算法
• 3.2.3 关于神经网络规模选择的几个问题
• 3.2.4 BP 网络故障诊断原理
• 3.3 基于BP 神经网络故障检测与诊断的仿真实验研究
• 3.3.1 BP 神经网络在数值仿真实例中的故障检测仿真实验
• 3.3.2 BP 神经网络在TE 过程中的故障检测的仿真实验研究
• 3.3.3 BP 神经网络在TE 过程故障诊断中的仿真实验研究
• 3.4 小结
• 第4章 概率神经网络在故障检测与诊断中的应用
• 4.1 引言
• 4.2 概率神经网络故障诊断原理
• 4.3 概率神经网络与BP 网络的比较
• 4.4 基于概率神经网络的故障检测与诊断的仿真实验研究
• 4.4.1 概率神经网络在数值仿真实例中故障检测仿真实验研究
• 4.4.2 概率神经网络在TE 过程故障检测中的仿真实验研究
• 4.4.3 概率神经网络在TE 过程故障诊断中的仿真实验研究
• 4.5 小结
• 第5章 基于小波分析与神经网络的故障诊断方法
• 5.1 引言
• 5.2 小波分析
• 5.2.1 Haar 小波
• 5.2.2 小波分析在消噪方面的应用
• 5.3 基于HAAR 小波与BP 神经网络的故障诊断方法
• 5.3.1 基于Haar 小波与BP 神经网络的故障诊断方法步骤
• 5.3.2 仿真实验研究
• 5.4 基于HAAR 小波和概率神经网络的故障诊断方法
• 5.4.1 基于Haar 小波和概率神经网络的故障诊断方法步骤
• 5.4.2 仿真实验研究
• 5.5 小结
• 总结
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 详细摘要