神经网络在燃气调压器故障识别中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇神经网络在燃气调压器故障识别中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

[摘 要]燃气调压器故障诊断研究是一个涉及多领域的课题，随着我国燃气事业的迅猛发展，燃气设备需求量也越来越大。燃气调压器作为燃气工程中非常重要的设备，加强调压器的故障诊断研究，及时发现故障，具有明显的社会效益和经济效益。下面笔者探讨了神经网络在燃气调压器故障识别中的应用。

[关键词]神经网络；燃气调压器；故障识别

中图分类号：TM645.11 文献标识码：A 文章编号：1009-914X（2015）41-0212-01

引言

神经网络也简称为人工神经网络（简称ANN）或称作连接模型，它是一种以模仿动物神经网络行为特征的数学模型，这种数学模型可以进行分布式并行信息处理。ANN经过几十年的研究和发展，已经形成一套严密的、系统的理论，广泛应用于国防、电子、化工、机械和电力等多种行业和部门，成为处理问题的强有力工具之一。下面笔者探讨了神经网络在燃气调压器故障识别中的应用。

1 神经网络的基本原理

1.1 神经元模型

神经网络以计算机仿真的方法从物理结构上模拟人脑，使系统具有人脑的思维特性，是由大量简单处理单元广泛连接形成的以模拟人脑行为为目的复杂网络系统，该系统是靠其状态对外部输入的信息动态处理信息的。神经网络中的节点称为神经元。常用人工神经元模型主要是基于模拟生物神经元信息的传递特性，即输入、输出关系，神经元信息传递的主要特征可以用图1的模型来模拟。

1.2 神经网络的学习方式

神经网络的学习又可以称之为训练，是指在受到外部环境刺激下神经网络调整自身的参数，使得神经网络用一种新的方式对外界环境做出反应的一个过程。

神经网络可以从外界环境中学习以及在学习中提高自身的性能，这是神经网络最有意义的性质，通过反复学习样本达到对环境的了解。常见神经网络的学习方式有3种：有导师学习、无导师学习和再励学习。其中，有导师学习也称之为监督学习，是指组织一批正确的输入输出数据对，将输入数据加载到网络输入端后，把网络的实际输出与理想的输出相比较得到误差，然后根据误差的情况修改各连接权，使网络朝着能正确响应的方向不断地变化下去，直到实际响应输出与理想的输出之差在允许范围之内。这种学习算法通常称误差修正算法。BP算法就是这类算法的典型代表。而无导师学习亦称为无监督学习，这时仅有一批输入数据，待诊断的模式类别未知，网络结构和连接权值根据某种聚类法则，自动对模式样本进行学习和调整，直至网络的结构和连接权值能合理地反映训练样本的统计分布。再励学习亦称强化学习，介于上述两种情况之间，外部环境对系统输出结果只给出评价（奖和罚）而不是给出正确答案，学习系统通过强化那些受奖励的动作来改善自身性能。

1.3 神经网络的故障诊断能力

现行的故障诊断系统均具有以下两个特点：一是需要构造专门的庞大的知识库和数据库以集中专家经验；二是具有串行运行的处理方式。神经网络具有一些传统的线性系统所没有的如下优点：

（1）具有学习能力训练过地神经网络能存储有关过程的信息，能直接从定量的、历史的故障信息学习。可以根据对象的历史数据进行训练，然后将此信息与当前测量数据进行比较以确定故障。

（2）在神经网络中，信息分散在神经元的连接上，单个的神经元和连接权值都没有很大用途，单个的神经元和连接权值地损坏也不会对信息造成太大地影响，表明神经网络具有较强地兽棒性（受干扰时自动稳定的特性）和容错能力。

（3）并行性各个神经元在处理信息时是各自独立的，分别接受输入产生输出，这种并行处理能力，使神经网络有可能用于实时快速信息处理。

（4）非线性神经网络因具有较好的非线性拟合能力，能够有效地实现输入空间到输出空间的非线性映射，成为非线性系统研究地重要工具，也成为故障诊断的一种有效方法。

2 基干小波包的神经网络在燃气调压器故障识别中的应用

2.1 基于小波包的神经网络故障识别的原理

燃气调压器出口压力作为故障特征提取的原始信号，对出口压力进行小波包分解后，取适当的子频带的小波包能量函数作为神经网络的输入向量，利用神经网络进行故障诊断。神经网络选用BP网隐含层激发函数采用正切S形函数，输出层激发函数采用线性函数，网络训练函数为自适应学习率算法。输入层节点数等于调压器原始出口压力信号的小波包分解子频带能量函数的向量维数，输出层的节点则由故障分类器的类型决定，主要有3类，分别为调压器正常运行、调压器阀头有污物和调压器阀口堵塞。

2.2 经网络在燃气调压器故障识别中的应用

2.2.1 实验数据来源

燃气调压器作为燃气输配系统的重要部件，其安全运行情况影响着整个燃气输配系统的可靠性和安全性。笔者使用SCADA系统对城市燃气管网进行数据采集和监测，通过SCADA系统实现对燃气输气管网的全线远程监控，不仅可以实现对控制工艺的改进，提高企业管理水平，而且将在确保安全生产基础上获得更大的经济效益。

SCADA监控系统中燃气调压器的监测内容和控制对象是分离的，监视发现问题，经过人的主观判断找出问题原因，决定解决问题的办法，通过远程对现场设备的控制而达到解决问题的目的，这种管理方式通常用于分散监控点和过程控制要求一般的现场。集团下属分公司每天根据压力自动记录纸反映的燃气调压器出口压力的情况来判断调压器是否出现故障，若下属公司工作人员发现压力自动记录纸的压力波动异常或是例行检修，则通知集团总部监控部门关闭调压器前后阀门后进行检修。

2.2.2 燃气调压器故障识别

为了验证小波包能量检测技术在燃气调压器特征提取的有效性，本文对燃气调压器在无故障、调压器阀口堵塞、调压器阀头有污物这三种不同状态15天SCADA系统所检测调压器实际出口压力值进行特征信号提取，调压器出口压力值为一天内每五分钟取一个数，一天共取288点作为分析信号。

为了验证小波包能量检测技术在燃气调压器特征提取的有效性，对分别采集的燃气调压器在无故障、调压器阀口堵塞、调压器阀头有污物三种不同状态出口压力信号，利用小波包基函数db4分别对其进行3层小波包分解，分别提取第三层从低频到高频成分的信号特征，每个节点都代表一定的信号特征，共得到8个频带。每种燃气调压器状态15组出口压力数据，其中10组作为训练样本，5组数据作为测试样本。考虑到篇幅有限，这里不全部列出。表1为燃气调压器不同状态测试样本归一化数据。

结论

比较测试结果与理想输出状态值可以看出，诊断结果较为准确，可以证明神经网络对燃气调压器故障识别的可行性和有效性。

参考文献

[1] 仲京臣.基于小波神经网络的故障诊断研[D].青岛：中国海洋大学，2004.

[2] 张培先.黄泽。智能故障诊断技术的发展及应用[J].山西电力.2001.6