摘要：针对回转窑作为一个复杂的非线性系统而难以提取有效故障特征的问题,构造了一种动态递归小波神经网络.采用基于梯度符号变化的变学习率以及引入动量项的算法,以回转窑窑尾温度、分解炉温度、窑尾负压、窑头负压、窑头温度、烧成带温度、窑电流、筒体表面温度8 个物理量,作为神经网络的8 个输入节点,将小波神经网络理论较好地应用在回转窑故障诊断中.归纳了回转窑的主要故障及现象.采用动态递归小波神经网络,从输出层反馈到输入层形成关联层,以存储上一时刻的输出信息.小波神经网络在网络训练时可以有效地利用输出信号.对回转窑故障数据进行归一化处理并作为网络的输入向量,再用小波函数代替神经网络中的激励函数,以故障序列作为网络的输出向量.试验仿真结果表明,该网络具有较好的故障识别率和时间收敛性能.

关键词：小波神经网络 回转窑 网络结构 温度 学习率 

单位：北京信息科技大学自动化学院; 北京100192