[发明专利]基于粒子群算法优化BP神经网络模型故障诊断方法

权利要求书

1.一种基于粒子群算法优化BP神经网络模型故障诊断方法，其特征在于，包括以下步骤：

S1， 数据采集，在实验过程中共采集N组数据，每组数据的维度为C；其中，每组数据还有一个对应的标签集，标签集是一个1×N的矩阵，矩阵里每一行数字分别代表了此组数据的状态，包括是否为故障状态及故障的种类从而得到训练组数据和测试组数据；

S2，建立BP，即误差反向传播神经网络模型的BP故障诊断器， 即第一模型，确定BP神经网络的拓扑结构，该拓扑结构包括神经网络输入层数、权值以及阈值；

S3，确定PSO，即粒子群算法粒子的维度；

S4，初始化粒子群算法中的所述粒子的速度及位置， 在一个区间内随机产生所述粒子的初始速度及初始位置；

S5，将上一步随机产生的每一个粒子的每一个所述初始位置赋值给所述第一模型中的所述权值与所述阈值，得到PSO-BP故障诊断器，即第二模型；

S6，所述第二模型对S1中所述训练组数据进行故障诊断，得到第一诊断结果；所述第一诊断结果为训练组输入所对应的标签集与神经网络输出的MSE，即均方误差；

S7，用所述第一诊断结果来计算所述粒子的适应度值，得到所述适应度值最低的所述粒子，即最低适应度值粒子，所述适应度值为所述第一诊断结果与实际结果的均方根误差；

S8，在所述最低适应度值粒子中得到所述最低适应度值粒子的个体极值与群体极值并更新所述最低适应度值粒子的所述速度及所述位置，得到更新位置，进入下一步；

S9，将所述更新位置按照顺序赋值给所述第二模型的所述权值及所述阈值，得到第三模型，

S10，重复步骤S5-S9，判断满足结束的条件，若判断为是，进入下一步，若判断为否，回到S5；

S11，得到一个最优粒子，将所述最优粒子的每个维度上的所述更新位置按顺序赋予所述第三模型中的所述权值及所述阈值后，得到最终诊断模型；

S12，所述最终诊断模型对S1中所述测试组数据进行故障诊断，得到故障诊断结果。

2.根据权利要求1所述的基于粒子群算法优化BP神经网络模型故障诊断方法，其特征在于：

其中，S1中还包括对所述数据的标准化处理。

3.根据权利要求2所述的基于粒子群算法优化BP神经网络模型故障诊断方法，其特征在于：

其中，所述标准化处理采用归一化处理。

4.根据权利要求1所述的基于粒子群算法优化BP神经网络模型故障诊断方法，其特征在于：

其中，所述PSO粒子的维度等于需要寻优参数的总个数，即为所述BP神经网络内部全部的权值与阈值的个数；计算方式为：

D＝hiddennum1×(inputnum+1)+hiddennum2×(hiddennum1+1)+outputnum×(hiddennum2+1)

D为粒子的维度，hiddennum1为BP神经网络第一层隐含层的层数，hiddennum2为BP神经网络第二层隐含层的层数，当BP神经网络只有一层隐含层时，hiddennum2＝0，inputnum为神经网络输入层节点数，outputnum为神经网络输出层节点数。