[发明专利]自适应小波神经网络异常检测故障诊断分类系统及方法

权利要求书

1.自适应小波神经网络异常检测故障诊断分类系统，其特征在于：包括采集装置(101)、变送装置(102)、A/D转换装置(103)、自适应小波神经网络异常检测故障诊断分类处理机(104)、显示交互装置(105)和异常报警装置(106)；自适应小波神经网络异常检测故障诊断分类系统(100)的异常检测故障诊断分类对象是待检测系统(110)；

采集装置(101)的输入端接在待检测系统(110)的M个监测点上，采集当前各监测点的模拟信号，采集装置(101)的输出端与变送装置(102)的输入端相连，变送装置(102)将采集的模拟信号转换成标准的模拟信号；变送装置(102)的输出端与A/D转换装置(103)的输入端相连，将变送器输出的标准模拟信号转换成为数字信号；A/D转换装置(103)的输出端与自适应小波神经网络异常检测故障诊断分类处理机(104)的输入端相连，自适应小波神经网络异常检测故障诊断分类处理机(104)通过自适应小波神经网络异常检测故障诊断分类方法对M个监测点监测的结果进行计算得出检测结果；自适应小波神经网络异常检测故障诊断分类处理机(104)的数字输入输出接口与显示交互装置(105)的输入相连，显示交互装置(105)显示自适应小波神经网络异常检测故障诊断分类处理机(104)计算的结果，并接受操纵者对系统工作状态的设定和对样本数据的输入；自适应小波神经网络异常检测故障诊断分类处理机(104)的异常检测输出接口与异常报警装置(106)相连接，异常报警装置(106)用于在发生异常和故障时，通过警示装置、通讯工具对操纵者进行报警。

2.根据权利要求1中所述的自适应小波神经网络异常检测故障诊断分类系统，其特征在于，所述采集装置(101)的M个输入装置是根据待检测系统(110)具体应用到一个领域时M个监测点的类型而确定的：当系统应用于工业控制领域时，待检测系统(110)的监测点的类型为电压、电流、电阻、温度、湿度、流量、受力、磁场强度、光强、辐射、振动或角度时，采集装置则选用于之对应的传感器；当系统应用于图像、视频处理领域时，待检测系统(110)的监测点类型为一幅图像时，采集装置(101)则选用于之对应的摄像头、摄像机、照相机、取景器、图像传感器、感光元件传感器、录像机、放像机或计算机；当系统应用于音频、信号处理领域时，待检测系统(110)的监测点类型为声音信号、电磁波信号、生物信号、雷达信号、声纳信号、光电信号时，采集装置则选用于之对应的信号传感器、信号接收器、信号探测器；当系统应用于经管信息领域时，待检测系统(110)的监测点类型为经济指标、化学分析指标、设备检测结果、调查统计结果时，采集装置则选用于之对应的计算机检测系统、检测设备、化学分析设备或统计计算设备。

3.根据权利要求1中所述的自适应小波神经网络异常检测故障诊断分类系统，其特征在于：所述的自适应小波神经网络异常检测故障诊断分类处理机(104)采用了自适应小波神经网络异常检测故障诊断分类方法，其中自适应小波神经网络(300)由输入层(301)、自适应层(302)、小波函数计算层(303)、输出层(304)、综合层(305)五个部分依次连接构成；其中包括M个输入层(301)结点，M个自适应层(302)结点，n个小波函数计算层(303)结点，N个输出层(304)结点和F个综合层(305)结点构成；其中w_ji为自适应层(302)与小波函数计算层(303)的连接权值，w_ik为小波函数计算层(303)与输出层(304)的连接权值；其中输入层(301)用来存储经过采集、变送、转换处理得到的输入变量；自适应层(302)将输入变量自适应变换为标准化的待计算量后输入给小波函数计算层(303)；小波函数计算层(303)计算得到未经处理的检测诊断原始计算结果；输出层(304)对检测诊断原始结果进行逆自适应变换，得到检测诊断计算结果；综合层(305)对检测诊断计算结果进行综合计算，得到最终的检测诊断结果。

4.根据权利要求1中所述的自适应小波神经网络异常检测故障诊断分类系统，其特征在于：所述的自适应小波神经网络异常检测故障诊断分类处理机(104)为计算机、工控机、服务器、单片机系统或嵌入式系统。

5.自适应小波神经网络异常检测故障诊断分类方法，其特征在于：包括网络训练(210)和网络计算(220)两个步骤：

网络训练(210)：包括参数配置(211)、系统初始化(212)、建立样本自适应机制(213)、自适应小波网络训练(214)和保存网络(215)五个步骤；

参数配置(211)：在进行网络训练(210)和网络计算(220)的计算前，先进行参数配置，通过显示交互设备显示交互装置(105)输入训练样本、输入层(301)和自适应层(302)的结点数M、小波函数计算层(303)结点数n、输出层(304)结点数N和综合层(305)结点数F；

系统初始化(212)：初始化自适应层(302)和小波函数计算层(303)之间的网络权值表wi_j(..)，小波函数计算层(303)和输出层(304)之间的网络权值表w_jk(..)、以及小波函数参数a_j(.)，b_j(.)；

建立样本自适应机制(213)：将输入的训练样本xt(..)变换为标准化的待计算量XT(..)；

自适应小波网络训练(214)：训练得到自适应层(302)和小波函数计算层(303)之间的网络权值表wi_j(..)，小波函数计算层(303)和输出层(304)之间的w_jk(..)和小波函数参数a_j(.)，b_j(.)；

保存网络(215)：保存自适应小波网络训练步骤中得到的各参数；

网络计算(220)：包括网络初始化(221)、待测样本输入(222)、样本数据自适应化(223)、自适应小波网络计算(224)和计算结果综合(225)五个步骤；

网络初始化(221)：载入自适应层(302)和小波函数计算层(303)之间的网络权值表wi_j(..)，小波函数计算层(303)和输出层(304)之间的w_jk(..)、以及小波函数参数a_j(.)，b_j(.)；

待测样本输入(222)：采集装置(101)采集当前检测系统(110)的各个监测点的模拟信号，并将其依次经过变送装置(102)、A/D转换装置(103)转换成为数字信号后输入给自适应小波神经网络异常检测故障诊断分类处理机(104)作为待测样本的输入；

样本数据自适应化(223)：将输入的待测样本自适应变换为标准化的待计算量X(.)；

自适应小波网络计算(224)：以当前自适应层的输出X(.)作为输入，计算得到小波函数计算层的输出变量Y(i)，再将小波函数计算层(303)的输出Y(i)计算得到输出层(304)的输出y(i)：

计算结果综合(225)：综合层(305)将自适应小波神经网路计算的结果y(i)通过计算得出最终结果f_m。