峰度的FNN方法在化工过程故障诊断中的应用  

Application of FNN based on kurtosis in fault diagnosis of chemical process

作　　者：赵小强[1,2] 钱君秀[1,2] 

机构地区：[1]兰州理工大学电气与信息工程学院,甘肃兰州730050 [2]甘肃省工业过程先进控制重点实验室,甘肃兰州730050

出　　处：《计算机与应用化学》2011年第7期895-898,共4页Computers and Applied Chemistry

基　　金：甘肃省自然科学基金(0916RJZA017);甘肃省教育厅硕士生导师项目(1003ZTC085)

摘　　要：针对化工过程具有规模大、复杂性高、变量多的特点,本文提出了改进FNN(KFNN)的化工过程故障诊断方法。传统的FNN方法存在运算复杂度高、灵敏度低的问题,将峰度引入到FNN方法中,对数据进行降维处理,使运算复杂度明显降低,提高了故障诊断的精度和灵敏度。将KFNN方法应用到一个实际酮苯脱蜡的化工过程中,仿真结果表明此方法能够及时有效地检测酮苯脱蜡生产过程中存在的故障。Chemical process has some characteristics of large scale and complexity and multi-variables. Therefore a fuzzy neural network based on kurtosis （KFNN） method is presented and applied to fault diagnosis of chemical process. Fuzzy neural network （FNN） exist the problems of low sensitivity and computing complexity. Kurtosis is introduced to FNN method. The method using the kurtosis （KFNN） can improve the diagnostic accuracy and sensitivity for data dimension reduction processing. KFNN is applied in a practical chemical process of ketone benzene dewaxing, Simulation results demonstrate that the method can detect the fault promptly and effectively.

关 键 词：故障诊断 模糊神经网络(FNN) 峰度 酮苯脱蜡 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置] TP391[自动化与计算机技术—控制科学与工程]