一种自联想神经网络诊断风机故障方法

    公开(公告)号:CN112746934B

    公开(公告)日:2022-03-15

    申请号:CN202011639678.6

    申请日:2020-12-31

    IPC分类号: F03D17/00 G06N3/04 G06N3/12

    摘要: 一种自联想神经网络诊断风机故障的方法,将采集的数据归一化,去除奇异值,分为训练数据和测试数据。根据输入输出样本数据,确定自联想神经网络的输入输出节点及隐藏层结构。在保证种群多样性的同时选出较优个体的前提下,设计风机变桨系统故障诊断的选择算子公式,避免网络的权值和阈值陷入局部最优点,提高风机故障诊断准确率。设计适合风机变桨系统故障诊断的适应度函数,引入接收者操作特征曲线下方的面积AUC,以确保较低的漏诊率,并降低不平衡数据对模型诊断效果的干扰。基于改进自适应遗传算法‑自联想神经网络算法建立变桨系统正常运行模型,采用詹森‑山农散度比较正常时刻与故障时刻残差分布的偏移度,实现对变桨系统的故障诊断。

    一种自联想神经网络诊断风机故障方法

    公开(公告)号:CN112746934A

    公开(公告)日:2021-05-04

    申请号:CN202011639678.6

    申请日:2020-12-31

    IPC分类号: F03D17/00 G06N3/04 G06N3/12

    摘要: 一种自联想神经网络诊断风机故障的方法,将采集的数据归一化,去除奇异值,分为训练数据和测试数据。根据输入输出样本数据,确定自联想神经网络的输入输出节点及隐藏层结构。在保证种群多样性的同时选出较优个体的前提下,设计风机变桨系统故障诊断的选择算子公式,避免网络的权值和阈值陷入局部最优点,提高风机故障诊断准确率。设计适合风机变桨系统故障诊断的适应度函数,引入接收者操作特征曲线下方的面积AUC,以确保较低的漏诊率,并降低不平衡数据对模型诊断效果的干扰。基于改进自适应遗传算法‑自联想神经网络算法建立变桨系统正常运行模型,采用詹森‑山农散度比较正常时刻与故障时刻残差分布的偏移度,实现对变桨系统的故障诊断。