期刊检索

  • 2024年第56卷
  • 2023年第55卷
  • 2022年第54卷
  • 2021年第53卷
  • 2020年第52卷
  • 2019年第51卷
  • 2018年第50卷
  • 2017年第49卷
  • 2016年第48卷
  • 2015年第47卷
  • 2014年第46卷
  • 2013年第45卷
  • 2012年第44卷
  • 2011年第43卷
  • 2010年第42卷
  • 第1期
  • 第2期

主管单位 中华人民共和国
工业和信息化部
主办单位 哈尔滨工业大学 主编 李隆球 国际刊号ISSN 0367-6234 国内刊号CN 23-1235/T

期刊网站二维码
微信公众号二维码
引用本文:雷翠红,邹平华.供热管网的二级BP神经网络泄漏故障诊断[J].哈尔滨工业大学学报,2011,43(2):75.DOI:10.11918/j.issn.0367-6234.2011.02.015
LEI Cui-hong,ZOU Ping-hua.Two-stage BP neural network leakage fault diagnosis of heating networks[J].Journal of Harbin Institute of Technology,2011,43(2):75.DOI:10.11918/j.issn.0367-6234.2011.02.015
【打印本页】   【HTML】   【下载PDF全文】   查看/发表评论  下载PDF阅读器  关闭
过刊浏览    高级检索
本文已被:浏览 1553次   下载 1066 本文二维码信息
码上扫一扫!
分享到: 微信 更多
供热管网的二级BP神经网络泄漏故障诊断
雷翠红, 邹平华
哈尔滨工业大学市政环境工程学院
摘要:
为诊断供热管网泄漏情况,利用图论理论描述基于空间管网的泄漏工况水力计算模型,得出节点泄漏和管段泄漏工况下管网各点的压力变化情况.在此基础上采用人工神经网络方法建立基于二级BP神经网络的供热管网泄漏诊断系统,该方法可根据管网中压力监测点的压力变化进行泄漏位置和泄漏量的诊断,并通过实例验证了方法的有效性.结果表明:一级神经网络对泄漏管段的预测结果准确率达100%,二级神经网络对泄漏位置和泄漏量的预测平均相对误差均为0.03%,检测结果令人满意.
关键词:  供热管网  故障  诊断  人工神经网络
DOI:10.11918/j.issn.0367-6234.2011.02.015
分类号:TU995.3
基金项目:国家自然科学基金资助项目(50378029)
Two-stage BP neural network leakage fault diagnosis of heating networks
LEI Cui-hong, ZOU Ping-hua
School of Municipal & Environmental Engineering,Harbin Institute of Technology, 150090 Harbin,China,
Abstract:
To investigate the leak detection strategy of heating network,a math model of failure hydraulic regime on spatial network is described by graph theory,and by which the pressure changes of all nodes of the network can be obtained for both node leak and pipe leak regime.On this basis,the leakage diagnosis system based on two-stage BP neural network is established,which can predict the leakage location and rate by collecting the real time data of pressure changes of the monitoring points,and its usefulness is proved by an example.The results show that the prediction of the first stage BP neural network for leakage pipe can reach to 100%,and the average relative error of the second stage prediction for leakage location and rate are both 0.03%,which are satisfactory.
Key words:  heating network  fault  diagnosis  artificial neural network

友情链接LINKS