用模糊神经网络方法预测煤灰的结渣特性

研究煤灰的结渣特性是预测和诊断电站锅炉炉内结渣故障的第一步。综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型,用以判别煤灰的结渣特性。该方法是对已有的单一指标判别法和用模糊数学方法进行多个指标判别的改进。计算结果表明,该方法具有诊断速度快、结果准确的特点,为进一步研究煤灰结渣综合判别指标提供了一个新的途径。     

煤粉炉水冷壁结渣故障特征提取

以电站锅炉为对象,研究提取合适的炉内结渣故障特征参数。建立了考虑结渣的膜式水冷壁温度场的计算模型。计算结果表明背火侧鳍端温度受炉内结渣影响显著,并有较好的温度特性曲线,而受其他因素影响较小。因此,提出了以背火侧鳍端温度作为诊断炉内结渣严重程度的故障特征量。文中介绍了所建模型及其与试验数据的比较结果,分析了各个因素对鳍端温度的影响,为解决炉内结渣的诊断提供了一个良好的新途径。     

浅谈炉膛结渣的原因和对锅炉安全运行的影响

本文主要从锅炉结渣的危害、引起锅炉结渣的原因和锅炉结渣的防范措施这三个方面讨论了电厂燃煤锅炉结渣的问题。     

锅驴结焦分析和探讨

锅炉结焦是个复杂的物理化学过程,通过分析锅炉结渣的原因,对含硫量高的煤粉燃烧时易导致结渣的原因进行了探讨,表明还原性气氛和煤粉中富含硫元素对锅炉结焦结渣有促进作用,为避免锅炉结渣提出了相应的整改措施     

浅谈影响锅炉结焦的因素及锅炉结焦的机理

从灰的成分及结渣性、锅炉的结构参数、炉内空气动力状况、锅炉运行参数等因素和结焦的形成过程来讨论结渣的机理,为处理锅炉结焦提供理论依据和方法。     

发电厂锅炉运行中炉内结渣产生过程及防止措施的探讨

本文主要分析了电厂锅炉运行中炉内结渣过程及结渣的危害，并探讨了如何防止炉膛结渣的措施与方法。     

关于发电厂锅炉结焦问题

锅炉的结渣问题是比较普遍存在的,结渣对锅炉运行的经济性与安全性均带来不利影响,严重的结渣会导致锅炉被迫停炉,极大地影响锅炉的安全性和经济性。     

诌议电厂锅炉运行中炉膛结渣危害及防止技巧

本文论述了电厂锅炉运行中炉内结渣过程进行理论分析,及结渣的危害,如何防止炉膛结渣的措施的方法,进行了探讨和总结.     

农一师电力公司热电厂煤粉炉炉膛结渣分析与防治

因锅炉燃烧用煤煤质的改变,农一师电力公司热电厂发电厂两台75t/h锅炉存在炉膛严重结渣的问题.通过对煤质、煤粉粒度以及锅炉运行等方面分析,确定了炉膛结渣的综合防治措施,提高了锅炉运行的安全性和可靠性,实现了机组满负荷运行基本不结渣的改造目标.     

灰色系统在电站锅炉燃煤结渣特性中的应用

为了准确评判锅炉燃煤的结渣特性,运用灰色系统理论针对煤灰结渣影响因素的模糊性、多样性等特点的非确定性问题,建立聚类决策方法,结合使用模糊TOPSIS法对电站锅炉燃煤的结渣特性进行综合评价.计算结果表明,判别结果与实际结果基本吻合.     

基于程控系统的输煤故障诊断

为提高国内火电厂输煤系统的自动控制和管理水平,建造了输煤程控系统。它可以对输煤系统中的各种设备进行实时监测和控制。采用现场设备状态的实时捕捉、可编程控制梯形逻辑判断和上位机监控软件分析等方法,对输煤系统的各种故障能及时准确地进行监视、诊断和报警。该方法已成功应用于萧山电厂输煤程控系统,取得了很好的经济效益。     

汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况.传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施.因此,将自组织特征映射(SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断.经实例分析证明,该方法可对多故障进行有效诊断.     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

化学化工实验室无线安全监测系统故障诊断方法研究

针对化学化工实验室的安全问题设计了一种无线安全监测系统,通过无线通信模块传输现场检测数据和经压缩后的图片,实现了实验室安全远程无线监测与监视的功能. 由于监测系统中的无线通信模块能耗较高,长期运行容易发生故障,其故障检测方式也较为复杂. 为了在线检测无线通信模块的故障和识别其类型,以确保无线安全监测系统的可靠性,研究了无线通信模块的电流特性,建立了基于模糊神经网络的故障诊断模型,可实现对无线通信模块在不同状态下的故障进行诊断. 实验结果表明,与BP神经网相比,采用模糊神经网络的无线通信模块故障诊断方法训练耗时短、收敛快、训练误差和验证误差小、诊断正确率高,能够在线检测无线通信模块的多种类型故障,明显提高了无线安全监测系统的可靠性,具有较好的实际应用价值.      

基于小波神经网络的电站锅炉受热面污染部位诊断

提出了一种基于小波神经网络的快速、有效的电站锅炉受热面污染部位诊断的方法.采用额定工况下不同受热面出口烟温为特征参数,建立了小波神经网络污染部位诊断模型.测试结果表明,此模型可以快速、有效地诊断锅炉受热面的污染情况.     

变压器故障诊断的ANN技术研究

目的解决溶解气体分析法在变压器故障诊断中准确率不高之难题。方法采用人工神经网络方法和基于动量因子技术的改进BP网络训练算法。结果建立了一BP神经网络模型,使网络具有较强的学习能力、泛化能力和适应能力。结论神经网络能较准确的对变压器故障进行诊断,具有一定的应用及推广价值。     

人工智能在电力电子电路故障诊断中的应用

提出一种基于波形分析的神经网络对电力电子线路进行故障诊断 .以三相整流电路为例 ,首先对整流电路的输出波形采样 ,然后建立神经网络的输出与故障元之间的对应关系 ,实现了智能故障诊断 .仿真实验表明 ,这种方法是准确可靠的 .     

基于神经网络的模拟电路故障诊断

探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.     

基于神经网络的故障诊断推理方法

针对传统诊断技术的局限性,研究了基于ＢＰ模型神经网络的故障诊断推理方法,它只需选择足够的具有代表性的故障样本训练神经网络,将代表故障的信息输入给训练好的神经网络,根据神经网络的输出结果,就可以判断发生故障的类型．神经网络一旦训练好,由于其具有容错性,不仅能诊断出已经出现过的故障,还能在一定范围内诊断出从未出现过的故障,使故障诊断智能化和简单化．仿真结果表明,基于神经网络的故障诊断方法是行之有效的