声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：50-1062/TD
国际刊号：1008-4495
发布日期:
作者：张力, 李江生, 李建龙, 陈怡潇
关键词：除尘器, 故障诊断, 多参数模型, BP神经网络, RBF神经网络
针对目前除尘器故障诊断主要基于人工经验判断并结合停机检查，存在科学性与自动化水平不足、诊断效率低等问题，分析了除尘器滤芯破损、清灰失效、滤芯堵塞、卸灰障碍4个主要故障类型，选取粉尘排放浓度、过滤阻力、入口风量、漏风率、耗气量5个诊断参数，建立了除尘器故障诊断的BP和RBF神经网络预测模型。实例分析表明：BP神经网络模型收敛速度快，预测效果理想，可以准确判断除尘器故障类型，对滤芯破损、清灰失效、滤芯堵塞、卸灰故障的平均预测误差分别为0.035%、0.110%、0.118%、0.215%，预测结果优于RBF神经网络。
来源：2020年第1期
《矿业安全与环保》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。