[发明专利]一种基于神经网络的球仓温度预警方法

摘要

本发明公开了一种基于神经网络的球仓温度预警方法，用于对火力发电厂等的大型球形储煤仓进行温度监测预警。步骤包括：利用均值滤波来对温度信号进行预处理；对温度信号提取球仓平均温度，升温速率和温度增加趋势值三种特征值；构建以特征值为输入节点，以预警等级为输出节点的三层LMBP神经网络温度预警模型。本发明的方法实现简单，温度预警可靠性高，降低了预警的不确定性。

主权项

1.一种基于神经网络的球仓温度预警方法，其特征在于：该方法包括以下步骤，步骤一、温度信息预处理：对一段时间内各个采样点的温度数据进行均值滤波，计算公式为其中i表示预处理后的第i个采样点，T(i)表示预处理后第i个采样点的温度，它是实际测量的第j＝i₀时刻到第j＝i₀+n₀时刻的n₀个温度值的平均值；n₀表示这一计算时间段内对应的原始采样温度的点数；j表示第j个原始温度采样点，T₀(j)表示第j个采样点的原始温度；i₀表示第i个采样点采样区间起点对应的原始温度采样点；步骤二、温度特征提取：提取预处理后温度信息的特征值，即球仓平均温度、温升速率和温度增加趋势值，其具体过程如下：S2.1、平均温度计算：系统周期性采集球仓内温度，并计算一个周期内的温度数据平均值；S2.2、温升速率计算：取球仓内某采样点上温度信号X(n)与平均温度信号间的差值再与平均温度的商为d(n)，计算式为：其中RW为球仓平均温度；S2.3、温度增加趋势值计算：通过处理一段时间内检测到的温度信号数据，得到能够表现出温度明显上升或下降的趋势值，用该趋势值来监测火灾发生态势，计算公式为其中ii表示第ii个采样点，N表示计算时间内段对应的采样温度点数，X(ii)表示第ii个采样点温度；定义符号函数其中s表示温差最低门限值；平均温度，温升速率和温度增加趋势值三个特征值有效描述球仓内的温升情况，将这三个特征值作为预警系统的输入比单纯的将温度值作为预警因素要可靠准确；步骤三、将步骤二中的三个特征值作为输入，以预警等级作为输出，构建基于LMBP神经网络的温度预警，其具体步骤如下：S3.1、构建以步骤二得到的特征值为输入，以预警等级为输出的三层LMBP神经网络，将随机数值赋给权值矩阵V，W，V为输入层到隐含层的权值矩阵，W为隐含层到输出层的权值矩阵，设样本模式计数器m＝1，训练次数计数器n＝1，误差E＝0，学习率η＝0.01，网络训练后的精度Emin＝0.01；S3.2、将训练样本输入训练网络，计算出隐藏层各神经单元输出，公式为其中x_p为输入层第p个向量，θ_j为隐含层各单元的阈值，取值0.01；S3.3、计算出输出层各神经元输出，公式为并计算出网络输出误差，其中γ_t为输出层个单元的阈值，取值0.01；S3.4、算出各层误差信号值，再根据误差信号调整各层权值，计算下一次隐含层和输出层新的连接权值；S3.5、判断是否完成所有样本训练，若m

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201810423415.8/，转载请声明来源钻瓜专利网。