图4-1 正常运行时仿真图

图4-2 故障4的仿真图

图4-3 故障11的仿真图

 表清单

表序号 表名称 页码

表2-1 几种算法比较

表3-1 TE过程各种成分的物理特性

表3-2 TE过程

目录

摘  要 I

Abstract II

图清单 IV

表清单 IV

1.概述 1

1.1论文研究的背景和意义 1

1.2故障检测的研究现状与发展趋势 1

1.3本文研究的主要内容 4

2 .神经网络的基本理论 5

2.1人工神经网络模型 5

2.2 神经网络的学习方式 6

2.3神经网络的学习规则 7

2.4神经网络学习算法 9

2.5几种算法的比较 12

3.基于神经网络的故障诊断方法 14

3.1TE过程 14

3.2RBF神经网络用作故障检测 18

4.实验仿真 20

4.1TE过程正常运行时仿真图 20

4.2TE过程故障时的仿真图 21

5.结论 23

参考文献 24

致谢 26

1.概述

当今是个科技高速发展的社会。工业发展也特别迅速。产业开始自动化、智能化。产量越来越高的同时也伴随着很多问题，如安全问题。尤其在化工这个危险的行业中，一旦设备发生故障或生产出现问题而不能及时发现和解决，就会造成很严重的后果甚至危及人们的生命。因此，故障检测十分重要。迄今为止，已经涌现出了很多故障检测的方法，但是这些方法各有利弊。因此，本文对故障检测的方法做了总结和进一步的研究。针对TE过程采用了基于神经网络的方法进行研究。论文网

1.1论文研究的背景和意义

工业生产中很多都是化工过程。近年来，科技不停地发展，越来越多的先进设备被引入到化工过程中。化工的生产过程也趋于自动化，其投资量也大幅度地增加，其智能化水平也越来越高。如果在化工的生产过程中，即使发生一些很小的故障而不能及时排除掉，这都将可能让整个生产过程出现问题。更有甚者，还可能给人们带来较大的财产损失。还会危害人们的生活。因此，我们必须要确保化工过程的安全可靠的运行。

化工过程是一个比较复杂且有一定的危险性的过程。我们必须尽量地避免出现化工过程事故，这些事故会造成经济的重大损失和人员的重大伤亡，同时，会对我们耐以生存的环境造成极大的污染。举几个例子说：2011年3月11日，日本发生9.0级大地震。福岛核电站发生爆炸，跟着2号机组的高温核燃料泄漏。同时，3号机组也有遭遇外部氢气爆炸的危险。之后，有多人被确认已遭受到核辐射，其中还包含了一些医护人员。日本的核泄漏导致整个东京被污染，甚至影响到了中国，人民的健康度进一步减少。此次事故还引起了电力短缺，日本各地轮流断电，人民的生活受到了极大的影响。2014年4月16日，江苏省南通市如皋双马化工有限公司发生了爆炸。此次事故8人死亡，9人受伤。如果能及时有效地检测到化工过程中的故障，早点解决问题，这些事故便不会发生。所以，研究化工过程中故障检测的方法及其重要。我们一定要予以重视，不断完善故障检测的技术。