基于改进遗传算法优化自联想神经网络的风机故障诊断

摘要

为了更为准确有效地诊断风机变桨系统故障,提出一种通过改进自适应遗传算法(IAGA)来优化自联想神经网络(AANN)的风机故障诊断模型。在IAGA中对选择算子进行改进,加快自适应遗传算法收敛速率,同时在适应度函数中引入AUC,降低不平衡数据对模型诊断效果的干扰;使用IAGA对AANN初始权值进行优化,通过AANN获得变桨系统正常状态下的残差分布,利用JS散度计算其与故障时刻残差分布的偏移度,判断变桨系统是否故障。利用华北某风电场记录的历史数据进行实验,结果表明,与其他神经网络相比较,IAGA-AANN网络能够有效提高风机故障诊断识别率,缩短模型训练时间。