[發明專利]一種基于改進型長短記憶神經網絡的故障診斷方法

在審

• 申請號: 202210584989.X
• 申請日: 2022-05-27
• 公開（公告）號: CN115062759A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 劉超;薄順濤
• 申請（專利權）人: 江蘇大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06N3/12;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，包括以下步驟：

S1、采集工業系統中各設備的測量數據，測量數據包括正常狀態時間序列數據及故障狀態數據，并作為故障診斷分析的樣本數據；

S2、將S1采集后的數據劃分為初始訓練集和測試集；

S3、構建LSTM網絡模型，基于S2中訓練集數據，并利用免疫優勢克隆文化算法對LSTM的學習速率進行參數尋優，

S4、獲取LSTM初始學習速率，并計算誤差，判斷損失函數對應的誤差是否最小，不滿足則繼續計算誤差，直到滿足條件為止；

S5、得到訓練好的LSTM網絡故障診斷模型，將測試集數據輸入到訓練好的故障診斷模型中，得到對應的故障類型診斷結果，實現故障分析。

2.根據權利要求1所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，S3中對LSTM的學習速率進行參數尋優的方法為：

步驟S3.1：確定LSTM的網絡結構，

步驟S3.2：初始化免疫優勢克隆文化算法初始種群空間、信念空間及免疫優勢算子，克隆選擇算子，并計算和評價各個體的適應值；

步驟S3.3：利用pop函數判斷各個體的適應值是否滿足適應值最優要求，滿足則進入步驟S4，不滿足則進入步驟S3.4；

步驟S3.4：判斷是否更新信念空間，更新則繼續步驟S3.5，不更新則跳轉步驟S3.6；

步驟S3.5：根據接受函數找出優秀子群體，更新信念空間；

步驟S3.6：基于環境知識和標準知識，根據影響函數知道免疫優勢獲得克隆操作進行變異、重組，并克隆選擇新一代優秀抗體種群，跳轉S3.3。

3.根據權利要求1所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，損失函數表示為：

其中，y_i是預測值，是實際值，n是樣本數量。

4.根據權利要求2所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，步驟S3.5中的接受函數表示為：

pop^b＝Accept(pop)

其中，表示種群空間選擇的適應值較優秀的個體，pop^b表示信念空間提取優秀個體集合，得到信念空間知識，voterate表示百分比，m表示種群規模，n為需要優化的網絡權值，Accept()是接受函數。

5.根據權利要求2所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，步驟S3.4中信念空間更新方法為：

環境知識中只需增加當前代的最優個體，標準知識N[n]更新為：

其中，表示第t次迭代的下邊界，表示對應的目標函數適應值；表示第t次迭代的上邊界，表示對應的目標函數適應值。

6.根據權利要求2所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，步驟S3.6中影響函數表示為：

信念空間在形成群體經驗后,通過影響函數修改群體空間中個體的行為規則,以使個體空間得到更高的進化效率，根據標準知識N[n]產生部分新種群pop^c，規模為m′:

該種群與原始種群選擇后形成新一代種群進入下一步迭代。

7.根據權利要求2所述的一種基于改進型長短記憶神經網絡的故障診斷方法，其特征在于，克隆選擇算子的方法如下：抗體群A＝[a₁，a₂，...，a_N]，定義參考抗體：m＝[m₁，m₂，...，m_i]：其中，σ是閾值，假設a_i∈A是抗體群A中的最優抗體，以概率p_id使得a_j∈A，j＝1，2，...，l且j≠i，獲得免疫優勢算子。