基于信息熵和BP神经网络的故障分类方法

摘要

为了实现电厂运行中设备故障类型的快速、准确判断,解决神经网络因输入量增多导致收敛速度大幅降低的问题,将基于近似决策熵模型的属性约简算法结合BP神经网络进行故障分类预测.基于信息熵的属性约简算法对故障样本数据进行预处理,得到约简决策表,将约简数据样本作为BP神经网络的输入进行训练,预测故障分类.将该方法用于汽轮机振动故障诊断,结果表明:有效降低了神经网络的输入维数,简化了网络结构,获得了较高的分类精度,同时降低了计算开销,对快速判断故障类型,提高维修效率,具有工程实用价值.