基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用.pdf

4 1 3 Vol． 4 1 No ． 3 第 卷第 期 东南大学学报(自然科学版) 20 11 5 M ay 20 11 年 月 JOURNAL OF SOUT HEAST UNIVERSITY (Natural Science Edition) doi :10 ． 3969 /j ． issn． 100 1 － 0505 ． 20 11． 03． 028 基于鲁棒输入训练神经网络的非线性多传感器 故障诊断方法及其应用 司风琪 李欢欢 徐治皋 ( ， 210096) 东南大学能源与环境学院 南京 : 摘要 针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染 ， ． 问题 提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型 在目标函数中引入影响 ， ， 因子函数和可靠性系数 并通过计算机模拟和仿真确定最佳影响因子函数形式 抑制了多个含有 ， ， 显著误差故障数据的不良影响 并增加了具备高可靠性的重要数据影响权重 大大减小了残差污 ， ． 300 MW 1# ， 染 提高了故障诊断的准确性和可靠性 以某 机组 高加测点为对象进行算例分析 验 ， ，RIT NN 证了该方法对于多传感器故障诊断的可行性和准确性 计算和模拟表明 方法优于线性 PCA IT NN ， ． 和传统 方法 能够更加准确进行多传感器故障的检测和故障数据的重构 : ; ; ; ; 关键词 鲁棒输入训练神经网络 故障诊断 多传感器 影响因子 可靠性系数 中图分类号:TP206. 3 文献标志码:A 文章编号:100 1 － 0505 (20 11)03-0574 -05 Nonlinear multi-sensor fault diagnosis method and its application based on robust input-training neural network Si Fengqi Li Huanhuan Xu Zhigao (School of Energy and Environment ，Southeast University