一种设备状态监测的贝叶斯正则化BP神经网络

作者：孙发友; 蒙祖强

来源：网络安全技术与应用, 2019, (10): 48-53.

• 数据清洗
• 综合指标
• 贝叶斯正则化
• BP神经网络
• 预测模型

设备全过程监测是有效消除设备隐患的重要环节,依据设备运行数据快速、准确、可靠的创建运行状态模型是建立故障早期预警的关键。以火电厂为例,由于火电厂现场生产环境复杂,正常状态设备会产生异常数据,本文首先将采用两倍差法进行数据清洗剔除异常数据,其次利用因子分析算法提取综合指标,最后基于贝叶斯正则化BP神经网络建立预测状态模型。将模型输出预测值与实测值进行计算产生设备状态信息。实验结果表明,预测模型输出值与实际状态值匹配度超过90%,已经达到实际生产环境要求,具有推广价值。