基于径向基神经网络的设备运行状态新信息加权预测模型研究.pdfVIP

型泣业訇矽化 基于径向基神经网络的设备运行状态新 信息加权预测模型研究 on modeIofthenew for Researchingprediction information-weighted basedonRBFneuralnetwork equipmentrunning-state 王吉芳1’2，徐小力2，费仁元。，刘鑫2 WANG Xiao-虻FEI Xin。 Ji-fan91”。XU Ren-yuan‘，LIU (1．北京工业大学机械工程与应用电子技术学院，北京100124： 2．北京信息科技大学机电系统测控北京市重点实验室，北京100192) 摘要：设备工作状态在线预测技术，是实现以先进的预知维护取代以时间为基础的预防性维护的关键 技术，为了提高状态预测的精度，针对设备运行的状态随运行时间而发展变化的特点，提出 基于改进的径向基神经网络的设备运行状态预测模型，并以烟气轮机运行数据对模型的有效 性进行了验证。结果表明。改进的新信息加权径向基神经网络的训练速度快，预测结果稳定 性及精度高。比BP网络及未改进的径向基神经网络的预测效果好。 关键词：预测模型；神经网络；新信息加权；故障 中囝分类号：TPl83；TP206文献标识码：A 文章缡号：1009-0134(2011)4(上)-0076-03 Doi：1 009-01 0．3969／J．188n．134．2011．4(上)．24 0引言 2)网络训练完毕进入实际应用阶段后，网络 中权值具有独立性，与输入的时间信息无关，因 设备工作状态在线预测技术，是在状态监测 此，不能充分反映输人的新信息。 及故障分析基础上发展起来的，是实现以先进的 3)网络训练完毕后不是一个开放的自学习系 预知维护取代以时间为基础的预防性维护的关键 统，而是一个静态系统，不能随着条件的变化而 技术，是当前研究的新兴课题之一。近年来，人 进行调整，因此不能适应多变的现场情况。随着 工神经网络(ANN)以其非线性、并行运算及其学 时间的推移，其误差将越来越大。 习和归纳能力的优越特点，被广泛应用于许多领 为了提高适于机械系统状态趋势预测用途的 域，很多学者研究和探讨了神经网络技术在故障 神经网络在线预测的效果，本文提出采用基于 预测中的应用¨’2】。ZhangTM等人使用自组织神经网 径向基神经网络(RBF网络)新信息加权预测模 络进行故障发展的多变量趋势跟踪，从而预测轴承 型。 系统的剩余使用寿命。Tse【41等人使用了回归神经 neural 网络(鼢州，recurrent networks)预测设备工作