基于神经网络的控制系统故障诊断方法

作     者：冯洁 

作者单位：北京化工大学 

学位级别：硕士

导师姓名：刘振娟

授予年度：2012年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：控制系统故障诊断 多模型 动态RBF神经网络 广义过程对象 粘滞 

摘      要：现代工业过程生产中包含了大量的控制回路，而控制回路中任何一个部件发生故障都可能会导致整体性能下降，甚至造成生产故障。针对控制系统故障的动态和非线性特性，论文提出了一类基于广义多模型动态RBF神经网络的故障诊断方法。 论文首先给出了控制系统的常见故障，分析了故障产生的原因，并进行了控制系统仿真研究。基于广义被控对象与多模型动态神经网络相结合，设计了广义多模型动态神经网络系统，它由两个模块组成，一个是通过对被控对象的时间常数和放大倍数的识别，选择相适应的广义过程对象模型工作系统，另一个为多模型动态RBF神经网络诊断系统。利用广义过程对象模型进行离线训练，分析了广义过程对象模型中时间常数和放大倍数对多模型动态神经网络的影响规律，可用于在线诊断控制系统故障。网络能够检测一定基准值范围内的控制系统故障。论文进行了实例仿真研究，结果表明所提出的广义多模型动态RBF神经网络能够很好的诊断控制系统故障。此外，基于TE过程仿真平台，对汽提塔液位控制回路进行故障诊断，也得到了理想的诊断结果，证明了所提出方法在工业过程故障诊断中的有效性。 控制阀粘滞在工业过程中非常普遍，经常会引起控制回路的振荡。论文特别描述了控制阀粘滞的非线性特性，提出了将多模型动态神经网络应用于控制阀粘滞特性检测的方法，通过网络检测控制阀的粘滞程度。利用Simulink编写了Kano模型的S函数，通过仿真研究证明了该方法的有效性。