[發明專利]一種基于CPN神經網絡的汽輪發電機組故障診斷方法

無效

• 申請號: 201210022033.7
• 申請日: 2012-02-01
• 公開（公告）號: CN102609764A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 彭道剛;張浩;夏飛;李輝;黃恒孜
• 申請（專利權）人: 上海電力學院
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 吳寶根

1.一種基于CPN神經網絡的汽輪發電機組故障診斷方法，其特征在于，包括如下具體步驟：

1）CPN神經網絡依次包括輸入層、競爭層和輸出層，汽輪發電機組故障訓練樣本為輸入向量，輸出層為故障種類，每個輸出神經元分別對應一種故障類別，定義CPN神經網絡各個層：設CPN網絡的輸入向量為??，競爭層的輸出向量為????????????????????????????????????????????????，輸出層的實際輸出向量為，目標輸出向量為??，其中分別為CPN神經網絡輸入層、競爭層以及輸出層的神經元個數，?，其中表示CPN神經網絡故障樣本的個數，由輸入層至競爭層的連接權值向量為；由競爭層到輸出層的連接權值向量為?；

2）CPN神經網絡數據預處理：將所有的輸入向量按照公式，，進行歸一化處理，并將連接權向量和賦予[0,1]內的隨機值；

3）CPN神經網絡由輸入層至競爭層進行無教師型學習：將連接權值向量按照公式，?，進行歸一化處理，將第個輸入模式提供給網絡輸入層，然后根據公式，計算競爭層中每個神經元的加權輸入和，根據公式得連接權向量中與?距離最近的向量，并將其對應的神經元的輸出設定為1，其余競爭層神經元的輸出設定為0；最后將連接權向量按照公式，進行修正，并將連接權重新歸一化，其中為學習率，；

4）CPN神經網絡由競爭層到輸出層進行有教師型學習：根據公式，?來修正競爭層到輸出層的連接權向量，其中為學習率，；求得輸出層各神經元的加權輸入，并將其轉化為輸出層神經元的實際輸出值；

5）CPN神經網絡的重復訓練：將個輸入模式全部提供給CPN神經網絡進行無教師型學習和有教師型學習，完成一次CPN神經網絡的訓練，再令，將輸入模式重新提供給網絡學習，直到或者網絡誤差E小于預定的誤差為止，其中為預先設定的學習總次數：；

6）將故障診斷樣本作為輸入送入訓練后的CPN神經網絡進行診斷。

2.根據權利要求1所述基于CPN神經網絡的汽輪發電機組故障診斷方法，其特征在于，所述步驟3）中根據公式，計算出，在這些中根據公式選擇最大的加權輸入和，即為連接權向量中與距離最近的向量?，如果的，其中T為該競爭層神經元被激活次數，則將對應的神經元作為競爭層獲勝神經元，并使得的；如果，則選擇除外最大的加權輸入和，如果的，則將對應的神經元作為競爭層獲勝神經元，并使得的，否則依次按加權輸入和從大到小的順序尋找競爭層獲勝神經元。