[01637533]具有遗传功能的神经网络及在故障诊断预报中的应用

机器设备运行状态的预测技术对于实现机器设备的智能化状态维护十分重要，目前普遍采用神经网络等智能预报方法进行预报的方案，但存在着计算收敛速度低，精度差等问题。对此，该课题的研究工作将遗传算法这一先进的人工智能技术与神经网络技术结合，提出采用具有遗传功能的神经网络对机器信号时间序列进行预报的技术方案。使得搜索向着更有可能找到全局最优的方向进行避免陷入局部极小。从而得到更好的学习效果，训练出的网络具有更好的自适应性。将遗传算法与神经网络技术结合并应用于机器设备的智能化状态趋势预报在技术上具有创新性，在国内同类工作中处于先进水平。状态维修方式改变了传统的设备维修制度，可以保证设备安全运行、避免经济损失。因此成为大中型设备维护方式的发展趋势。该课题的研究成果将遗传算法与神经网络技术结合并应用于机器设备的智能化状态趋势预报，从而使得人工智能状态维护技术得到进一步发展。应用该技术对采自大庆油田采油一厂注水站机组烈度数据进行了处理，采用具有遗传功能的神经网络对信号时间序列进行了预报，较好的反映出烈度随时间变化的趋势。该技术目前已应用在油田注水站的机器运行状态监测系统中。对于同类大中型机组的状态监测系统，该课题的研究成果都将具有较好的应用前景。