几种人工神经网络在化工故障诊断中的应用-王波-201420120310..docx

几种人工神经网络在化工故障诊断中的应用摘要：人工神经网络是由大量同时也是很简单的处理单元广泛连接构成的复杂网络系统。它具有自学习、高容错和高度非线性描述能力等优点，使其在化工领域得到了广泛的应用。本文简要介绍了几种人工神经网络在化工故障检测与诊断中的应用关键字：神经网络化工故障诊断The application of several artificial neural network in fault diagnosis in chemical(School of Chem Energy Eng, South China Univ of Technol, Canton 510640, China)Abstract: Artificial neural network is a complicated network system with large amount but simple units. It has the ability of self-learning fault diagnosis and high description of non-linear problem. So it was widely used in the field of chemical industry. This paper report the application of several artificial neural network in fault detection and diagnosis in chemical.Keywords: artificial neural network chemical fault diagnosis1．人工神经网络人工神经网络（Artificial NeuralNetwork,ANN),亦称为神经网络(NeuralNetwork,NN),是由大量处理单元(神经元Neurons)广泛互连而成的网络,是对人脑的抽象简化和模拟,它反映人脑的基本特性。它与人脑的相似之处可概括为两个方面[1]:(1)通过学习过程利用神经网络从外部环境中获取知识;(2)内部神经元(突触权值)用来存储获取的知识信息。现在人们提出的神经元模型有很多,其中最早提出并且影响较人的是1943年心理学家McCulloch和数学家W.Pitts在分析总结神经元基本特性的基础上首先提出的MP模型。该模型经过不断改进后,形成现在广泛应用的BP神经元模型(朱人奇,2006)。人工神经元模型是由人量处理单元广泛互连而成的网络,是人脑的抽象,简化,模拟,反映人脑的基本特性。一般来说,作为人工神经元模型应具备三个要素：(l)具有一组突触或连接,常用Wij表示神经元i和神经元j之间的连接强度,或称之为权值。与人脑神经元不同,人工神经元权值的取值可在负值和负值之间。(2)具有反映生物神经元时空整合功能的输入信号累加器。(3)具有一个激励函数用于限制神经元输出。激励函数将输出信号限制在一个允许范围内,使其成为有限值,通常神经元输出的扩充范围在[0,1]或[-1,1]之间。人工神经网络是建立在现代神经科学研究基础上的一种抽象数学模型，它反映了大脑功能的基本特征，但并非逼真地描写，只是某种简化、抽象和模拟。给 ANN 一些样本， ANN 通过自学习可以掌握样本规律，在输入新的数据和状态信息时，可用 ANN 进行自动推理和控制[2]。由于反向传递学习算法 BP 网络和 Hopfield网络[3]的出现与再次兴起，使其应用领域不断扩大。化工行业有着生产过程复杂、对象特性多变、间歇或半连续生产过程多、有一定的危险性及污染环境等特点，使得化工领域需要一个技术及环境的改善。 ANN 的出现，为化工过程的现代科学技术综合发展提供了一种先进的支撑环境，对其进一步发展有很大的促进作用。2．故障诊断现代化工过程具有规模大,复杂性高,变量多等特点。对系统进行及时、准确的故障检测可以减少停产时间, 增加设备运行的安全性。工业系统中发生故障的类型包括过程参数的变化、干扰参数的变化、执行器的问题和传感器的问题。为了确保过程运行状况满足给定的性能指标，需要对故障进行检测、诊断和清除。统计过程控制中将其称为过程监控。过程监控的目标是通过识别不正常行为来确保过程成功地按计划运行。过程监控分为四个步骤：故障检测、故障识别、故障诊断和过程恢复：故障检测——确定故障是否发生；故障识别——把那些与故障最有关联的观测变量识别出来；故障诊断——确定哪一类故障发生了；过程恢复——去除故障的影响。Venkat Venkatasubramanian 等人提出故障诊断方法可以分为：基于解析模型的方法、基于定性模型和搜索策略的方法、基于过程历史数据的方法这样的三类方法[4-6]。2.1基于解析