基于IABC-ANFIS的燃气轮机气路故障诊断

论文摘要

为了提高燃气轮机故障诊断的效果,提出了一种基于自适应模糊神经网络（Adaptive Network-based Fuzzy Inference System,ANFIS）和改进的人工蜂群算法（Improved artificial bee colony algorithm,IABC）的故障诊断方法:基于自适应模糊神经网络构建燃气轮机故障诊断模型。针对自适应模糊神经网络受聚类参数影响较大的问题,采用手榴弹爆炸原理改进的人工蜂群算法对这些参数进行优化。仿真结果表明,与未优化的ANFIS模型和ABC-ANFIS模型相比,IABC-ANFIS可以更稳定、准确地识别故障,为燃气轮机故障诊断提供实际参考。

论文目录

• 引言
• 1 自适应模糊神经网络与人工蜂群算法
•   1.1 ANFIS
•   1.2 ABC
• 2 燃气轮机气路故障诊断模型
•   2.1 燃气轮机气路故障诊断模型
•   2.2 离散模型构建
•   2.3 模型优化
•   2.4 人工蜂群算法的改进
• 3 实验仿真分析
•   3.1 故障特征量的获取
•   3.2 实验对比分析
• 4 结论

文章来源

类型: 期刊论文

作者: 黄伟,景晓宁,高斌

关键词: 故障诊断,燃气轮机气路故障,自适应模糊神经网络,人工蜂群算法

来源: 热能动力工程 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 动力工程,自动化技术

单位: 上海电力大学自动化工程学院,中国船舶重工集团公司第七○三研究所

基金: 上海市科委发电过程智能管控工程技术研究中心基金(14DZ2251100),上海市“科技创新行动计划”地方院校能力建设专项项目(19020500700)~~

分类号: TK478;TP18

DOI: 10.16146/j.cnki.rndlgc.2019.07.005

页码: 30-36

总页数: 7

文件大小: 290K

下载量: 156