一种自联想神经网络诊断风机故障方法

摘要

一种自联想神经网络诊断风机故障的方法，将采集的数据归一化，去除奇异值，分为训练数据和测试数据。根据输入输出样本数据，确定自联想神经网络的输入输出节点及隐藏层结构。在保证种群多样性的同时选出较优个体的前提下，设计风机变桨系统故障诊断的选择算子公式，避免网络的权值和阈值陷入局部最优点，提高风机故障诊断准确率。设计适合风机变桨系统故障诊断的适应度函数，引入接收者操作特征曲线下方的面积AUC，以确保较低的漏诊率，并降低不平衡数据对模型诊断效果的干扰。基于改进自适应遗传算法‑自联想神经网络算法建立变桨系统正常运行模型，采用詹森‑山农散度比较正常时刻与故障时刻残差分布的偏移度，实现对变桨系统的故障诊断。