水泥回转窑故障诊断方法研究

摘要

受传感器和复杂外界环境等因素影响,回转窑数据检测难度大,存在故障信息获取不全和不同时刻故障表征存在差异的问题,且单一算法诊断能力有限.针对上述问题,构建了一种免疫进化网络理论分类器(IENC)和反向传播(BP)神经网络决策融合的故障诊断模型.该模型对回转窑正常工况及5类故障情况下的数据进行分析,分别用两种算法对故障类型进行初步判定,采用D-S证据理论获得证据体的基本信任分配.如果判定结果一致,则直接得出结论.否则,用Dempster组合规则进行决策融合,得到更合理的诊断结果.将某水泥厂的监测数据用于仿真.试验结果表明,该方法的综合分类正确率达到97.04％,比IENC算法提高了10％,比BP神经网络算法提高了1.48％,可有效改善单一算法"一票否决"问题,提高诊断结果可信度.