基于BP神经网络和证据理论的离心压缩机喘振诊断方法

Translated title of the contribution: Centrifugal Compressor Surge Diagnosis Method Based on BP Neural Network and Theory of Evidence

Research output: Contribution to journalArticlepeer-review

Abstract

离心压缩机是石油化工生产中的核心动力设备,然而运行过程中易发生喘振故障造成事故。对于喘振故障,传统方法采用时频特征分析方法诊断,而该方法通常在喘振发展到后期、信号特征明显的情况下才诊断出喘振故障。为解决该问题,提出基于BP神经网络和证据理论的诊断方法,该方法使用故障数据训练得到BP神经网络,进而对采集的数据进行初步诊断,再采用证据理论融合各初步诊断结果得出诊断结论。通过在离心压缩机实验台上模拟喘振故障,结果表明:该方法能够准确诊断压缩机喘振故障,此外与传统方法相比,采用该方法能在喘振发生初期诊断出故障,从而进行调控避免喘振发展到后期,这对实现离心压缩机防喘具有重要意义。
Translated title of the contributionCentrifugal Compressor Surge Diagnosis Method Based on BP Neural Network and Theory of Evidence
Original languageChinese
Pages (from-to)155-160
JournalMachinery Design & Manufacture
Volume347
Issue number1
DOIs
Publication statusPublished - 8 Jan 2020

Cite this