[发明专利]基于改进BP神经网络的通信安全设备智能诊断方法及系统

权利要求书

1.基于改进BP神经网络的通信安全设备智能诊断方法，其特征在于，包括以下步骤，

S1：运用故障树分析法，建立通信安全设备的典型故障树；

S2：根据典型故障树分析确定故障的关键因素，以及相应底事件对顶事件的影响程度，选择合适的监测对象；

S3：利用步骤S2中的监测对象数据，基于BP神经网络和改进粒子群算法，构建NPSOSA-BP神经网络模型；

S4：对通信安全设备进行合理的布置监测点，采用连续循环监测模式采集实时的监测对象数据，输入NPSOSA-BP神经网络模型中进行故障诊断；

步骤S3中构建NPSOSA-BP神经网络模型的具体操作包括以下步骤，

S301：构建传统BP神经网络模型；

S302：将步骤S2中的监测对象数据划分成学习集、验证集和测试集；

S303：对学习集和预测集的数据进行归一化处理，将数据统一到(-1，1)之间；

S304：利用改进粒子群算法，对传统BP神经网络模型的初始权值阈值进行寻优，构建NPSOSA-BP神经网络模型；

S305：利用学习集、验证集数据对NPSOSA-BP神经网络模型进行训练验证；

S306：将测试集数据输入训练后的NPSOSA-BP神经网络模型中进行测试，判断模型训练是否符合要求；

步骤S304的具体操作包括以下步骤，

S3041：初始化粒子群，利用matlab内函数rands(1，91)初始化粒子参数，使粒子的位置、速度在该区间内随机产生；且粒子的位置和速度满足其中，m＝1,2，……；M＝1,2，……；V_im为第i个粒子在m维度下的速度，X_im为第i个粒子在m维度下的位置；c₁c₂为加速度因子，为非负常数；r₁r₂为(0，1)之间的随机变量；为该粒子经历过路程中的最优位置，即离目标函数最近的点；为所有粒子中，经历路程中的最优位置；

S3042：更新粒子参数；将所有粒子放入传统BP神经网络模型开始训练，引入适应度值E作为评价，衡量粒子优劣情况并及时更新粒子相应参数，适应度计算方法为：

S3043：迭代确定最优解，设定动态变化惯性权重参数，对粒子的速度进行限制，同时使粒子速度的变化也满足某种变化的规律，使其随着迭代次数的增大，使其所占的权重逐渐减小，动态变化惯性权重的算法为式中，ω为惯性权重，表现多大程度上保留原来的速度，ω_start为初始权重，ω_end为终止权重，k为当前迭代数，T_max为最大迭代数；

S3044：将动态变化惯性权重代入步骤S3041的粒子位置和速度计算公式中可得

S3045：基于模拟退火算法，每一次迭代后将适应度代入Metepolis准则公式中计算适应度值式中，T为温度，E(x)为函数目标值，x_new为新解，x_old为目前解；随温度降低，逐渐减少粒子的选择更替，收敛并获得全局最优解；

S3046：将全局最优解参数代入，确定神经网络权值、阈值，构建NPSOSA-BP神经网络模型。