[發明專利]一種基于改進粒子群優化BP神經網絡的水泵設備狀態預測方法

有效

• 申請號: 201910342790.4
• 申請日: 2019-04-26
• 公開（公告）號: CN110175698B
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 潘建;吳攀峰;趙煥東;湯紹雄;奚家字
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于改進粒子群優化BP神經網絡的水泵設備狀態預測方法，包括以下步驟：步驟1、使用五點三次平滑法對水泵設備驅動端軸承振動烈度數據進行降噪處理；步驟2、利用互信息法的Cao法計算振動烈度的延遲時間和嵌入維數，對振動烈度數據進行相空間重構；步驟3、劃分輸入集和輸出集作為預測模型訓練樣本集；步驟4、使用改進的粒子群算法對三層BP神經網絡中的權重進行尋優；步驟5、訓練得到BP神經網絡模型函數；步驟6、使用BP神經網絡模型函數對未來一段時間的驅動端軸承振動烈度數據進行預測，得到預測集；步驟7、對預測集中的振動烈度進行分析，得到水泵設備在未來一段時間的運行狀態。本發明最大限度保證水泵設備安全可靠運行。

技術領域

本發明涉及到一種基于改進粒子群優化BP神經網絡的水泵設備狀態預測方法。

技術背景

隨著工業的發展和人口數量的急劇增加，水務企業正面臨著前所未有的供水壓力。為了能滿足超大供水量的需求，很多水務企業不得不讓水泵設備更長時間不停機運轉，這使得供水設備的故障率上升。若水泵設備故障頻發，不僅會影響相關水務企業的生產，帶來經濟上的損失，也會嚴重影響居民的生活質量。因此如何提前預測水泵設備的運行狀態，并及時做出對應的維護計劃，成了很多供水企業共同面臨的問題。

發明內容

為了能較為準確的預測水泵設備的運行狀態，減小因水泵設備故障而帶來的損失，本發明提供了一種基于改進粒子群優化BP神經網絡(PSO-BP)的水泵設備狀態預測方法，該方法首先對水泵設備驅動端軸承部位的振動烈度數據進行降噪處理和相空間重構，然后使用改進粒子群優化的BP神經網絡對重構后的驅動端軸承振動烈度數據進行訓練，最后利用訓練得到的預測模型對水泵設備未來一段時間的振動烈度數據進行預測，并利用預測的數據對水泵設備未來一段時間的運行狀態進行判斷。

本發明所采用的技術方案是：

一種基于改進粒子群優化BP神經網絡的水泵設備狀態預測方法，包括以下步驟：

步驟1、對等時間間隔采樣的n組水泵設備驅動端軸承振動烈度使用五點三次平滑法進行降噪處理，得到預處理后的驅動端軸承振動烈度S＝{(t₁，x₁)，(t₂，x₂)，...，(t_i，x_i)，...，(t_n，x_n)}，其中為t_i時刻原始振動烈度值，x_i為t_i時刻降噪后振動烈度值；

步驟2、便用互信息法和Cao法計算降噪后的驅動端軸承振動烈度數據的延遲時間和嵌入維數，得到延遲時間τ，嵌入維數m，使用計算得到的延遲時間和嵌入維數對驅動端軸承振動烈度進行相空間重構，得到重構后的驅動端軸承振動烈度集D＝{d₁，d₂，...，d_i，...，d_n-(m-1)τ}，其中di為D集合中的第i個相點，d_i＝{x_i，x_i+τ，x_i+2τ，...，x_i+(m-1)τ}；

步驟3、從重構后的驅動端軸承振動烈度集D中劃分出輸入集和輸出集，以每個相點的前(m-1)個振動烈度數值作為輸入集，即輸入集D_in＝{d_1，in，d_2，in，...，d_i，in，...，d_{n-(m-1)τ，in}}，其中d_i，in＝{x_i，x_i+τ，x_i+2τ，...，x_i+(m-2)τ}；以每個相點的第m個振動烈度數值作為輸出集，即輸出集D_out＝{x_1+(m-1)τ，x_2+(m-1)τ，...，x_i+(m-1)τ，...，x_n}；