[發明專利]一種基于HBF神經網絡觀測器的故障診斷方法

在審

• 申請號: 201410740464.6
• 申請日: 2014-12-05
• 公開（公告）號: CN104537416A
• 公開（公告）日: 2015-04-22
• 發明（設計）人: 聞新;張興旺
• 申請（專利權）人: 沈陽航空航天大學
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06K9/66;G06F11/22
• 代理公司: 沈陽火炬專利事務所(普通合伙) 21228
• 代理人: 王欣

1.一種基于HBF神經網絡觀測器的故障診斷方法，其是在樣本系統數學模型建立的基礎上進行的，其特征在于：其過程如下：

1)、選取樣本系統的樣本輸入和樣本輸出；

2)、將樣本系統的樣本輸入輸入超基函數神經網絡觀測器得到估計輸出；

3)、根據估計輸出和實際輸出得到估計輸出殘差為：

ey(t)=y(t)-y^(t)]]>

式中，y(t)表示樣本輸出，表示估計輸出；

設誤差估計函數為

式中，U為加權對角矩陣；其故障檢測規則為：

其中，T為故障檢測的閾值。

2.根據權利要求1所述的基于超基函數神經網絡觀測器的故障診斷方法，其特征在于：所述超基函數神經網絡觀測器的過程如下：

1)、獲取n_x個非線性系統故障樣本的輸入和輸出；根據輸入值輸出值選擇隱藏層神經元數J；

2)、用“決策樹葉”表示決策區域其表示為：

計算樣本輸入在決策域的網絡中心其公式為：

c_ij＝(min(x_ij)+max(x_ij))/2i＝1,...,n_x

計算決策域內核寬度，其公式為：

σ_ij＝(max(x_ij)-min(x_ij))/2i＝1,...,n_x

3)、計算所有輸入樣本在決策域對應的基函數值；

首先采用Mahalanobis-like計算樣本輸入與網絡中心的距離：

||xi-cj||Σj=(xi-cj)TΣj(xi-cj);]]>

式中：Σ_j為正定方陣；

Σj=diag(1/σ12,1/σ22,...,1/σnx2),j=1,2,...J,]]>

則相應的基函數計算為：

hj(xi,cj,Σj)=e-0.5(xi-cj)TΣj(xi-cj)]]>

4)、定義輸出誤差

設x^μ,y^μμ＝1,...,M為訓練樣本集的特征向量與目標向量；則誤差函數為：

E(W)＝||HW-Y||²

其中，W為輸出層的權值矩陣；H＝(H_μj)＝(h_j(x^μ,c_j,σ_j))，H_μj為第μ個輸入向量x^μ對應的第j個基函數的輸出；Y＝(Y_μj)，Y_μj第μ個目標向量y^μ的第j個分量；

5)求解輸出權值向量

根據誤差最小化原則，求解輸出權值向量；對于滿足要求的誤差，按下式求解權值向量

W＝H⁺Y

其中H⁺為矩陣H的偽逆；對于不滿足要求的誤差，按如下公式調整權值，跳轉步驟4)；

W_k+1＝W_k+ΔW_k

ΔWk=-η∂E∂W.]]>