本文應(yīng)用三層前饋神經(jīng)網(wǎng)絡(luò)和基于知識(shí)的專家系統(tǒng)等技術(shù)，對電站鍋爐故障診斷與預(yù)測問題進(jìn)行研究，在使用BP網(wǎng)絡(luò)基礎(chǔ)上加入了L-M方法，開發(fā)了鍋爐故障診斷軟件。在該軟件的開發(fā)過程中，首先收集故障診斷相關(guān)知識(shí)，從而確定網(wǎng)絡(luò)結(jié)構(gòu)，然后用VisualC++實(shí)現(xiàn)樣本訓(xùn)練模塊、樣本仿真模塊、故障解釋模塊等功能模塊對組織好的鍋爐故障樣本進(jìn)行訓(xùn)練。在訓(xùn)練過程中調(diào)整網(wǎng)絡(luò)參數(shù)值(如循環(huán)次數(shù)、隱含層神經(jīng)元數(shù)、步長等)，使編輯的樣本能收斂到一個(gè)較小的穩(wěn)定值，同時(shí)使訓(xùn)練誤差最小。******對鍋爐常見的滿水故障進(jìn)行仿真試驗(yàn)。通過對采用L-M法和BP法的網(wǎng)絡(luò)樣本訓(xùn)練結(jié)果比較可知，在網(wǎng)絡(luò)權(quán)值數(shù)目較少的情況下，結(jié)合了牛頓法和下降法的L-M法可以有效的解決BP算法收斂速度慢和易陷入局部最小值的問題，從而提高了網(wǎng)絡(luò)效率。 該故障診斷系統(tǒng)能較好的模擬人類專家的思維能力，對鍋爐進(jìn)行比較準(zhǔn)確的診斷，可以應(yīng)用于電廠和模擬發(fā)電廠的監(jiān)控系統(tǒng)。 | 
