[发明专利]一种基于改进选择性进化随机网络的海水淡化系统故障诊断方法

权利要求书

1.一种基于改进选择性进化随机网络的海水淡化系统故障诊断方法，其特征在于，包括以下操作步骤：

步骤1：选取特征差异大的若干典型分类数据集并预处理，生成构建原始网络PNN的数据集；

步骤2：生成一个中间层节点数为L的初始随机单隐层前馈神经网络，其输入层节点数由PNN构建数据集中特征数最大的数据集决定，输入层与中间层之间的权值为W＝[w₁,...,w_L]^T，中间层节点的偏置为b＝[b₁,...,b_L]^T；

步骤3：对该初始随机单隐层前馈神经网络输入层与中间层之间的权值W和中间层节点的偏置b编码，基于生成的PNN构建数据集，利用AHLOPID算法寻优，以获得PNN；

步骤4：基于优化出的PNN，结合海水淡化系统故障诊断问题，利用AHLOPID算法协同进行实际工作网络优化及数据的特征选择，将得到的最优分类器用于海水淡化系统的故障诊断。

2.根据权利要求1所述的基于改进选择性进化随机网络的海水淡化系统故障诊断方法，其特征在于，在所述步骤1中，生成构建原始网络PNN的数据集的步骤为：

步骤1-1：选定D个典型分类数据集，将所述数据集按特征个数由小到大排列，最大特征数为f_D；

步骤1-2：对数据集做归一化处理，并划分训练集、验证集和测试集。

3.根据权利要求2所述的基于改进选择性进化随机网络的海水淡化系统故障诊断方法，其特征在于，在所述步骤2中，生成的初始随机单隐层前馈神经网络基于极限学习机的架构，其输入层节点数由在所述步骤1-1中得到的最大特征数的数据集决定。

4.根据权利要求1所述的基于改进选择性进化随机网络的海水淡化系统故障诊断方法，其特征在于，在所述步骤3中，AHLOPID算法的为：

(1.1)设置AHLOPID算法基本参数，包括控制器参数、种群规模popSize、最大迭代次数Gmax；

(1.2)随机初始化种群X，计算种群中每个个体的适应度值，初始化个体知识库IKD和社会知识库SKD；

(1.3)根据下式(1)执行学习算子更新种群产生新的候选解：

其中，rand是0到1之间的随机数，pr表示随机学习的概率，(pi-pr)和(1-pi)分别是个体学习和社会学习的概率；Rand(0,1)表示随机生成0或1，ik_ipj为IKD中对应的第i个体的第j维解，sk_qj是SKD中对应个体的第j维解；处理单目标优化问题时，p和q均设置为1；

(1.4)计算新候选解的适应度值；

(1.5)更新IKD并判断个体IKD是否执行重新学习操作，若是则清空对应个体的IKD，随机产生新的初始化IKD；

(1.6)更新SKD；

(1.7)每间隔采样周期S根据式(2)和式(3)分别计算反映种群多样性的实际AD值和设定的参考输入值ADr，根据式(4)计算参考输入值和实际值之间的偏差error；

其中，M表示解的长度，N是种群规模，第k个个体的个体最优解代表全局最优解，其中i表示种群中第i个个体，j表示解的第j维；

其中，t是当前迭代次数，ADmax、ADmin分别表示参考输入(ADr)的最大值、最小值。p₁和p₂是两个转折点，将搜索过程分为三个阶段，p₁、p₂分别等于tp_AD1×Gmax和tp_AD2×Gmax，tp_AD1和tp_AD2表示两个转折率，Gmax是最大迭代次数；

error＝ADr-AD (4)

(1.8)根据式(5)更新pr值；

其中，pr(k)指算法在当前代的pr值，pr(k-1)指上一采样时刻的pr值；error(k)是当前代参考输入ADr与实际AD值之间的偏差，error(k-1)和error(k-2)分别是上一次和上两次采样得到的参考输入ADr与实际AD值之间的偏差，K_p、K_i、K_d分别代表比例、积分、微分系数，两次采样间隔S代；

(1.9)输出最优结果，否则跳转至(1.3)继续执行。