基于神经网络的除尘器故障诊断_中国煤炭行业知识服务平台

基于神经网络的除尘器故障诊断

作者

张力李江生李建龙陈怡潇
单位

南昌大学资源环境与化工学院
摘要

针对目前除尘器故障诊断主要基于人工经验判断并结合停机检查，存在科学性与自动化水平不足、诊断效率低等问题，分析了除尘器滤芯破损、清灰失效、滤芯堵塞、卸灰障碍4个主要故障类型，选取粉尘排放浓度、过滤阻力、入口风量、漏风率、耗气量5个诊断参数，建立了除尘器故障诊断的BP和RBF神经网络预测模型。实例分析表明：BP神经网络模型收敛速度快，预测效果理想，可以准确判断除尘器故障类型，对滤芯破损、清灰失效、滤芯堵塞、卸灰故障的平均预测误差分别为0.035%、0.110%、0.118%、0.215%，预测结果优于RBF神经网络。
关键词

除尘器故障诊断多参数模型 BP神经网络 RBF神经网络
基金项目(Foundation)

国家自然科学基金项目（51704166）；中国博士后科学基金项目；江西省博士后研究人员科研项目（2017KY13）
相关文章

[1]新型内置锥形面除尘滤筒脉冲喷吹再生性能的模拟