ニューラルネットワークを用いたポンプ系の異常運転診断法

基于神经网络的泵系统异常运行诊断方法

• 批准号: 07855024
• 负责人: 内山 知実
• 金额: $ 0.51万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1995
• 资助国家: 日本
• 起止时间: 1995 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-07855024/
• 关键词: 知識援用診断法; 自動運転; プロセスモデリング; 階層型ニューラルネットワーク; 排水ポンプ

本研究では、ポンプ運転状態に対する知識援用異常診断法を開発し、本診断法を軸流形排水ポンプにおける3種類の運転状態の特定に適用した。本研究で得られた成果は、以下の通りである。1.知識援用異常運転診断法の開発プロセスモデリングの手法に基づき、ポンプ揚程や配管およびタンク内の水力損失をモデル化し、測定可能なポンプ出力値(揚程、流量、回転角速度)を変数とする2つの偏微分方程式で表現する。方程式中の4つのプロセス係数の値をポンプ出力変数の測定値を用いて計算する。プロセス係数の値を、あらかじめ求めておいた各種運転状態に対する係数値と比較・照合することにより、運転状態を診断する。比較・照合を合理的かつ客観的に行うため、バックプロパゲーションアルゴリズムを援用した階層型ニューラルネットワークを用いる。2.診断法の精度に関する検討本診断法を軸流形排水ポンプにおける3種類の運転状態(正常状態、ポンプ入口部の閉塞状態、入口部の閉塞と羽根車による異物巻き込みの複合状態)の特定に適用した。その結果、ニューラルネットワークの中間層数やユニット数が増すほど診断精度が向上し、階層数4、中間層のユニット数6のニューラルネットワークにより、3種類の運転状態がほぼ十分な精度で診断できることを確認した。

This study で は, ポ ン プ transport planning state に す seaborne る avail himself of the anomaly diagnosis knowledge を open 発 し manifold, this diagnosis method を shaft drainage ポ ン プ に お け る 3 kinds の transport planning state specific に の for し た. This study で obtained られた results られた, which are referred to as で である. 1. Knowledge avail himself of the abnormal transport planning diagnostics の open 発 プ ロ セ ス モ デ リ ン グ の gimmick に base づ き, ポ ン プ head や piping お よ び タ ン ク の within hydraulic loss を モ デ ル し and determination may な ポ ン プ output numerical (head, flow, back to the planning angular velocity) を - several と す る 2 つ の partial differential equations performance で す る. In the equation, the <s:1> 4 プロセス プロセス coefficient <e:1> value をポ プ プ プ force variable <s:1> measurement value を is calculated using て て する. プ ロ セ ス coefficient on の numerical を, あ ら か じ め o め て お い た various transport planning に す seaborne る coefficient numerical と comparison, according to us す る こ と に よ り, transport planning state を diagnosis す る. Comparison, according to us を reasonable か つ guest 観 に line う た め, バ ッ ク プ ロ パ ゲ ー シ ョ ン ア ル ゴ リ ズ ム を invoking し た class type ニ ュ ー ラ ル ネ ッ ト ワ ー ク を with い る. 2. The precision of diagnosis method の に masato す る 検 manifold for this diagnosis method を shaft drainage ポ ン プ に お け る 3 kinds の transport planning state (normal, ポ ン プ entry department の occlusion state, entry department の occlusion と calamus car に よ る eyewinker 巻 き 込 み の composite state) の specific に applicable し た. そ の results, ニ ュ ー ラ ル ネ ッ ト ワ ー ク の middle layer number や ユ ニ ッ ト number が raised す ほ ど diagnosis accuracy が し upward, class, number 4, middle tier の ユ ニ ッ ト number 6 の ニ ュ ー ラ ル ネ ッ ト ワ ー ク に よ り, 3 species の planning state が ほ ぼ very な で diagnosis accuracy で き る こ と を confirm し た.

项目成果

T.Uchiyama: "Knowledge-Based Fault Diagnosis for Pump Stations by Process Modeling" Proc.Fluid Machinery,ASME,FED. 222. 117-121 (1995)

T.Uchiyama：“通过过程建模进行泵站故障诊断”Proc.Fluid Machinery，ASME，FED。