基于平行粒子群优化-反向传播神经网络模型的空调系统故障诊断方法

摘要

为了解决单一故障特征集难以诊断多类故障的问题,本文提出了基于平行粒子群优化-反向传播神经网络(PSO-BPNN)模型的故障诊断方法.采用相关性分析找到了与每一类故障相关度较高同时受工况影响较小的特征量,设计了多个平行的反向传播神经网络(BPNN)故障诊断器,并采用粒子群优化(PSO)算法优化了BP神经网络的参数,还分析了提出的PSO-BPNN模型相较于传统的单BPNN模型在故障诊断效果上的提升.结果表明,PSO-BPNN模型的诊断正确率平均提高了6.85％,最高提高了8.57％.