[发明专利]基于混合神经网络的冷水机组故障诊断方法

摘要

本发明公开了基于混合神经网络的冷水机组故障诊断方法，针对单一BP神经网络对冷水机组难以实时做出准确预测，而且BP神经网络自身存在缺陷，该方法结合RBF神经网络可以逼近任意函数的特性，提出了基于小波变换的混合神经网络模型RBF‑BP对冷水机组进行故障诊断。由RBF网络和BP网络并联作为一个神经网络，简称为RBF‑BP的隐层，该算法同时具有RBF网络和BP网络的优点，其学习过程收敛速度很快，并且能避免训练过程容易陷入局部最小值的问题，可有效应用于冷水机组的故障诊断，提高故障诊断的性能。

主权项

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。