[发明专利]一种基于改进型长短记忆神经网络的故障诊断方法

权利要求书

1.一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，包括以下步骤：

S1、采集工业系统中各设备的测量数据，测量数据包括正常状态时间序列数据及故障状态数据，并作为故障诊断分析的样本数据；

S2、将S1采集后的数据划分为初始训练集和测试集；

S3、构建LSTM网络模型，基于S2中训练集数据，并利用免疫优势克隆文化算法对LSTM的学习速率进行参数寻优，

S4、获取LSTM初始学习速率，并计算误差，判断损失函数对应的误差是否最小，不满足则继续计算误差，直到满足条件为止；

S5、得到训练好的LSTM网络故障诊断模型，将测试集数据输入到训练好的故障诊断模型中，得到对应的故障类型诊断结果，实现故障分析。

2.根据权利要求1所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，S3中对LSTM的学习速率进行参数寻优的方法为：

步骤S3.1：确定LSTM的网络结构，

步骤S3.2：初始化免疫优势克隆文化算法初始种群空间、信念空间及免疫优势算子，克隆选择算子，并计算和评价各个体的适应值；

步骤S3.3：利用pop函数判断各个体的适应值是否满足适应值最优要求，满足则进入步骤S4，不满足则进入步骤S3.4；

步骤S3.4：判断是否更新信念空间，更新则继续步骤S3.5，不更新则跳转步骤S3.6；

步骤S3.5：根据接受函数找出优秀子群体，更新信念空间；

步骤S3.6：基于环境知识和标准知识，根据影响函数知道免疫优势获得克隆操作进行变异、重组，并克隆选择新一代优秀抗体种群，跳转S3.3。

3.根据权利要求1所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，损失函数表示为：

其中，y_i是预测值，是实际值，n是样本数量。

4.根据权利要求2所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，步骤S3.5中的接受函数表示为：

pop^b＝Accept(pop)

其中，表示种群空间选择的适应值较优秀的个体，pop^b表示信念空间提取优秀个体集合，得到信念空间知识，voterate表示百分比，m表示种群规模，n为需要优化的网络权值，Accept()是接受函数。

5.根据权利要求2所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，步骤S3.4中信念空间更新方法为：

环境知识中只需增加当前代的最优个体，标准知识N[n]更新为：

其中，表示第t次迭代的下边界，表示对应的目标函数适应值；表示第t次迭代的上边界，表示对应的目标函数适应值。

6.根据权利要求2所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，步骤S3.6中影响函数表示为：

信念空间在形成群体经验后,通过影响函数修改群体空间中个体的行为规则,以使个体空间得到更高的进化效率，根据标准知识N[n]产生部分新种群pop^c，规模为m′:

该种群与原始种群选择后形成新一代种群进入下一步迭代。

7.根据权利要求2所述的一种基于改进型长短记忆神经网络的故障诊断方法，其特征在于，克隆选择算子的方法如下：抗体群A＝[a₁，a₂，...，a_N]，定义参考抗体：m＝[m₁，m₂，...，m_i]：其中，σ是阈值，假设a_i∈A是抗体群A中的最优抗体，以概率p_id使得a_j∈A，j＝1，2，...，l且j≠i，获得免疫优势算子。