[发明专利]基于混合神经网络的冷水机组故障诊断方法

权利要求书

1.基于混合神经网络的冷水机组故障诊断方法，其特征在于，包括以下步骤：

步骤1、采集制冷过程正常和发生故障工况下的历史数据，并对数据进行预处理，所述预处理包括缺失值处理和异常值处理；

步骤2、采用小波变换去除数据中的噪声；

步骤3、将小波变换后的历史数据划分为训练输入数据和训练输出数据，将处理后的故障特征变量作为神经网络的输入变量，冷水机组工况变量作为神经网络的输出变量；

步骤4、建立RBF-BP混合神经网络模型，利用输入输出数据不断训练网络，并优化权值阈值参数，直至网络收敛，得到故障诊断模型；

步骤5、利用训练成功的RBF-BP混合神经网络进行实时故障诊断。

2.根据权利要求1所述的基于混合神经网络的冷水机组故障诊断方法，其特征在于，步骤1中所述缺失值处理采用数据插补的方法，所述数据插补的方法选用牛顿插值法；

设历史数据的采样时间序列为{t₁，t₂，…，t_n}，利用已知点建立插值函数f(t)，未知点由对应点x_i求出函数值f(t_i)来代替；

已知的n个采样点对(t₁，x₁)，(t₂，x₂)，…，(t_n，x_n)的所有阶差商公式：

……

联立以上差商公式建立如下插值多项式f(t)：

f(t)＝f(t₁)+(t-t₁)f[t₂，t₁]+(t-t₁)(t-t₂)f[t₃，t₂，t₁]+

(t-t₁)(t-t₂)(t-t₃)f[t₄，t₃，t₂，t₁]+……+

(t-t₁)(t-t₂)……(t-t_n-1)f[t_n，t_n-1，……，t₂，t₁]+

(t-t₁)(t-t₂)……(t-t_n)f[t_n，t_n-1，……，t₁，t]

＝P(t)+R(t)

其中：

P(t)＝f(t₁)+(t-t₁)f[t₂，t₁]+(t-t₁)(t-t₂)f[t₃，t₂，t₁]+

(t-t₁)(t-t₂)(t-t₃)f[t₄，t₃，t₂，t₁]+……+

(t-t₁)(t-t₂)……(t-t_n-1)f[t_n，t_n-1，……，t₂，t₁]

R(t)＝(t-t₁)(t-t₂)……(t-t_n)f[t_n，t_n-1，……，t₁，t]

P(t)是牛顿插值逼近函数，R(t)是误差函数，将缺失的函数值对应的点t代入插值多项式得到缺失的近似值f(t)。

3.根据权利要求2所述的基于混合神经网络的冷水机组故障诊断方法，其特征在于，步骤1中所述异常值处理视为缺失值，利用缺失值处理的方法进行处理。