基于SOM神經(jīng)網(wǎng)絡(luò)的工業(yè)設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)研究.pdf

1、隨著社會(huì)的發(fā)展，現(xiàn)代工業(yè)生產(chǎn)中日益引入更多的大型工業(yè)設(shè)備，使得工業(yè)生產(chǎn)技術(shù)和工藝日益復(fù)雜化。這些大型工業(yè)設(shè)備有整體規(guī)模大、復(fù)雜度高、監(jiān)測(cè)變量多，運(yùn)行狀態(tài)非線性等一些共同的特點(diǎn)，而且其運(yùn)行的安全性也變得越來越重要。一旦設(shè)備在運(yùn)行過程中出現(xiàn)了故障，將不僅會(huì)給企業(yè)帶來巨大的損失，還為社會(huì)帶來極其嚴(yán)重的后果。因此，對(duì)這些關(guān)鍵工業(yè)設(shè)備進(jìn)行監(jiān)測(cè)和故障診斷越來越受到國內(nèi)外大企業(yè)的重視，也使得設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷有了更廣闊的研究發(fā)展空間。然而，由

2、于工業(yè)設(shè)備的結(jié)構(gòu)復(fù)雜，且反映設(shè)備狀態(tài)的信息數(shù)量巨大，因此傳統(tǒng)的狀態(tài)監(jiān)測(cè)方法顯得力不從心，不能很好地適應(yīng)現(xiàn)代化工業(yè)生產(chǎn)的要求。近年來，基于自組織人工神經(jīng)網(wǎng)絡(luò)的設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)日益受到國內(nèi)外企業(yè)和科研組織的重視。其中由于自組織映射( Self-OrganizingMap，SOM)神經(jīng)網(wǎng)絡(luò)不僅具有良好的分類和聚類能力，而且具有自學(xué)習(xí)、自更新記憶的特點(diǎn)，因此在設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)和故障診斷方面相對(duì)于傳統(tǒng)方法，具有明顯的優(yōu)勢(shì)。
　

3、　 為了更好地研究SOM神經(jīng)網(wǎng)絡(luò)在工業(yè)設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)方面的應(yīng)用可行性，本文采用田納西一伊斯曼過程(Tennessee-Eastman Process，TEP，是由美國伊斯曼化學(xué)品公司的過程控制小組提出的，其目的是為評(píng)價(jià)過程控制和監(jiān)控方法提供一個(gè)現(xiàn)實(shí)的工業(yè)過程)作為研究對(duì)象，并利用SOM的分類和聚類能力，首先將研究對(duì)象的運(yùn)行狀態(tài)分類為正常狀態(tài)和故障狀態(tài)兩種，其中故障狀態(tài)分為已知和未知兩種。然后將運(yùn)行狀態(tài)曲線軌跡和分類結(jié)果顯示在一個(gè)二維

4、的平面上，這個(gè)過程實(shí)際是利用了自組織神經(jīng)網(wǎng)絡(luò)的聚類和降維能力。由于二維平面圖形非常直觀，便于理解，因此這也為工業(yè)設(shè)備故障運(yùn)行監(jiān)測(cè)和診斷的可視化提供了一種可能的途徑。
　　 最后，本文使用MATLAB R2007工具對(duì)本文的理論研究進(jìn)行了軟件系統(tǒng)實(shí)現(xiàn)，并對(duì)測(cè)試數(shù)據(jù)進(jìn)行了驗(yàn)證，結(jié)果表明，該方法對(duì)田納西一伊斯曼過程的運(yùn)行狀態(tài)監(jiān)測(cè)是有效的。由于該過程是基于一個(gè)真實(shí)工業(yè)過程的仿真，因此對(duì)其測(cè)試數(shù)據(jù)及系統(tǒng)結(jié)構(gòu)進(jìn)行研究對(duì)在工業(yè)設(shè)備進(jìn)行運(yùn)行狀態(tài)