Es wurde eine Analyse der Störungen im Rekuperationssystem eines Wärmekraftwerks durchgeführt und ein Diagnosemodell für die Störungen im Rekuperationssystem vorgeschlagen, das auf dem LM-Algorithmus eines künstlichen neuronalen Netzwerks beruht, der eine Kombination aus dem Gradientenverfahren und dem Gauss-Newton-Verfahren darstellt. Die Simulationsergebnisse zeigen, dass dieses Modell die Trainingszeit deutlich verkürzt, den Verfolgungsfehler verringert, eine hohe Genauigkeit aufweist, das herkömmliche Modell des BP-Neuronalen-Netzwerk-Algorithmus übertrifft und für das Online-Lernen und die Überwachung geeignet ist.

neuronales Netzwerk; LM-Algorithmus; Rekuperationssystem; Störungsdiagnose; Wärmesystem; Heizkörper