改进的小波神经网络在管道泄漏故障诊断中的应用

辽宁石油化工大学学报 ›› 2008, Vol. 28 ›› Issue (1): 74-77.

改进的小波神经网络在管道泄漏故障诊断中的应用

单海欧

辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001

收稿日期:2007-10-10 出版日期:2008-03-20 发布日期:2017-07-22

Improved Wavelet Neural Network’s Application in Pipelines Leakage Fault Diagnosis

SHAN Hai-ou

School of Information Engineering, Liaoning University of Petroleum & Chemical Technology, Fushun Liaoning 113001, P.R．China

Received:2007-10-10 Published:2008-03-20 Online:2017-07-22

摘要/Abstract

摘要： 提出一种增加基于小波神经网络输入与输出节点的部分直接连接网络结构，并且根据输入征兆对输出故障的影响程度的具体情况赋予不同的连接权值，这样就明显突出了输入与输出层即征兆与故障之间的直接关联性，有利于小波神经网络模型的稳定性，同时加快了网络的收敛速度，并能快速而准确地对故障进行分类诊断。将改进的小波神经网络应用于管道泄漏故障的诊断，收到良好的效果。

关键词: 小波神经网络, 故障诊断, 泄漏检测

Abstract: A class of wavelet neural network model with the connections between the input and the output layers in part was proposed. According to the effect extent that input symptom to the output fault, the different weights were given. Therefore the straight correlation between the input and the output layers namely between the symptom and the fault was emphasized, and it is in favor of the stability of the WNN model, at the same time it makes the network has the ability that the rapid convergence and quick and exact fault diagnosis. The application to diagnose the leakage of pipelines is included to demonstrate the effectiveness. 

Key words: Wavelet neural network, Fault diagnosis, Leak detection

单海欧. 改进的小波神经网络在管道泄漏故障诊断中的应用[J]. 辽宁石油化工大学学报, 2008, 28(1): 74-77.

SHAN Hai-ou. Improved Wavelet Neural Network’s Application in Pipelines Leakage Fault Diagnosis[J]. Journal of Liaoning Petrochemical University, 2008, 28(1): 74-77.

[1]	夏起磊, 罗林, 张垚. 基于注意力增强型编解码网络的化工过程故障诊断[J]. 辽宁石油化工大学学报, 2024, 44(2): 63-70.
[2]	赵珣, 陈帅, 邱海洋. 基于改进双向循环神经网络的变压器故障诊断模型研究[J]. 辽宁石油化工大学学报, 2023, 43(5): 75-83.
[3]	姜楠, 罗林, 王乔, 侯维. 结构优化深度网络的高压断路器机械故障诊断[J]. 辽宁石油化工大学学报, 2023, 43(3): 91-96.
[4]	郭颖, 杨理践, 赵佰顺, 张贺. 长输油管道泄漏检测技术研究现状[J]. 辽宁石油化工大学学报, 2022, 42(4): 25-31.
[5]	宋绍楼, 吕亮, 刘昕明. 基于CEEMDAN⁃SPSO⁃ELM的旋转电机滚动轴承故障检测方法[J]. 辽宁石油化工大学学报, 2022, 42(1): 86-91.
[6]	周学均, 陈小强, 谢磊. 基于改进收敛交叉映射的厂级振荡源诊断[J]. 辽宁石油化工大学学报, 2021, 41(5): 85-90.
[7]	刘晓琴，王晨旭，孙海军，王千. 基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究[J]. 辽宁石油化工大学学报, 2020, 40(6): 78-84.
[8]	裴小邓，罗林，陈帅，王乔. 面向电力变压器油中溶解气体的卷积神经网络诊断方法[J]. 辽宁石油化工大学学报, 2020, 40(5): 79-85.
[9]	陈小龙，周俊鹏，张颖，樊瑞筱. 基于声发射波形流信号的滚动轴承故障双谱分析及诊断[J]. 辽宁石油化工大学学报, 2018, 38(03): 89-92.
[10]	王晓蕾,阚哲,张雷雷. 基于小波原理和流体静电信号诊断矿用液压系统故障原理[J]. 辽宁石油化工大学学报, 2015, 35(3): 65-68.
[11]	张朝龙,何怡刚,袁莉芬,陈立平. 一种基于量子神经网络的模拟电路故障诊断方法[J]. 辽宁石油化工大学学报, 2015, 35(2): 58-61.
[12]	周伟强,侯立刚,苏成利. 基于时间 - 小波能量包络谱的滚动轴承特征提取[J]. 辽宁石油化工大学学报, 2014, 34(3): 75-78.
[13]	翁和标,侯立刚,苏成利. 基于改进QPSO算法的小波神经网络参数优化[J]. 辽宁石油化工大学学报, 2013, 33(4): 91-94.
[14]	刘暋达,翟春艳,李书臣,苏成利. 汽轮机转子故障诊断算法应用研究[J]. 辽宁石油化工大学学报, 2013, 33(3): 67-69.
[15]	唐宇,石成江,杨静,崔清. 基于DASP的转子典型故障模拟与分析[J]. 辽宁石油化工大学学报, 2013, 33(2): 80-84.