基于神经网络的除尘器故障诊断
张力
李江生
李建龙
陈怡潇
1.南昌大学 资源环境与化工学院,江西 南昌3300312.南昌大学 资源环境与化工学院,江西 南昌3300313.南昌大学 资源环境与化工学院,江西 南昌3300314.南昌大学 资源环境与化工学院,江西 南昌330031
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
分类号：TD714+.3(矿山安全与劳动保护)
资助基金：国家自然科学基金(51704166)江西省博士后研究人员科研项目(2017KY13)
论文发表日期：2020-02-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 89-94,99 )
英文信息