本文主要研究内容
作者黄郑,王红星,于海泉,李逗,司风琪（2019）在《基于多模型鲁棒输入训练神经网络协同的燃气–蒸汽联合循环机组传感器故障诊断方法》一文中研究指出：为提高燃气–蒸汽联合循环机组传感器测量值的准确性及可靠性,提出了一种基于多模型鲁棒输入训练神经网络(RITNN)的燃气–蒸汽联合循环机组传感器故障诊断方法。该方法建立若干燃气–蒸汽联合循环重要参数的数据重构模型,并对各模型进行优先级划分,以串并联方式设定模型间关系,通过可靠参数的逐级生成和传递,有效抑制了多传感器显著故障产生的残差污染,提高了故障诊断的准确性及可靠性,进而给出了传感器故障诊断流程,建立了完整的传感器故障诊断系统。以某200 MW级燃气–蒸汽联合循环机组为研究对象,对多传感器故障进行诊断,并与RITNN单一模型方法和输入训练神经网络(ITNN)单一模型方法进行对比,结果表明,提出的多模型RITNN故障诊断方法诊断精度更高,可保证燃气–蒸汽联合循环机组稳定运行。
Abstract
wei di gao ran qi –zheng qi lian ge xun huan ji zu chuan gan qi ce liang zhi de zhun que xing ji ke kao xing ,di chu le yi chong ji yu duo mo xing lu bang shu ru xun lian shen jing wang lao (RITNN)de ran qi –zheng qi lian ge xun huan ji zu chuan gan qi gu zhang zhen duan fang fa 。gai fang fa jian li re gan ran qi –zheng qi lian ge xun huan chong yao can shu de shu ju chong gou mo xing ,bing dui ge mo xing jin hang you xian ji hua fen ,yi chuan bing lian fang shi she ding mo xing jian guan ji ,tong guo ke kao can shu de zhu ji sheng cheng he chuan di ,you xiao yi zhi le duo chuan gan qi xian zhe gu zhang chan sheng de can cha wu ran ,di gao le gu zhang zhen duan de zhun que xing ji ke kao xing ,jin er gei chu le chuan gan qi gu zhang zhen duan liu cheng ,jian li le wan zheng de chuan gan qi gu zhang zhen duan ji tong 。yi mou 200 MWji ran qi –zheng qi lian ge xun huan ji zu wei yan jiu dui xiang ,dui duo chuan gan qi gu zhang jin hang zhen duan ,bing yu RITNNchan yi mo xing fang fa he shu ru xun lian shen jing wang lao (ITNN)chan yi mo xing fang fa jin hang dui bi ,jie guo biao ming ,di chu de duo mo xing RITNNgu zhang zhen duan fang fa zhen duan jing du geng gao ,ke bao zheng ran qi –zheng qi lian ge xun huan ji zu wen ding yun hang 。
论文参考文献
论文详细介绍
论文作者分别是来自中国电力的黄郑,王红星,于海泉,李逗,司风琪，发表于刊物中国电力2019年11期论文，是一篇关于多模型论文,鲁棒输入训练神经网络论文,故障诊断论文,联合循环论文,中国电力2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国电力2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：多模型论文; 鲁棒输入训练神经网络论文; 故障诊断论文; 联合循环论文; 中国电力2019年11期论文;