[发明专利]一种基于GA-BP-CBR的工业设备故障诊断系统及方法

权利要求书

1.一种基于GA-BP-CBR的工业设备故障诊断系统，其特征在于，包括：输入模块、GA-BP神经网络模块、案例推理CBR网络模块、结果修正模块及输出模块，其中，所述输入模块分别与GA-BP神经网络模块、案例推理理论CBR网络模块相连接，所述GA-BP神经网络模块的输出分别与案例推理理论CBR网络模块、结果修正模块相连接，所述案例推理理论CBR网络模块与结果修正模块相连接后与输出模块相连接，GA-BP神经网络模块作为案例推理理论CBR网络模块的预处理模块，所述输入模块输入故障诊断训练数据给GA-BP神经网络模块，GA-BP神经网络模块训练出预分类网络，同时将训练数据组成案例，形成案例库文件；GA-BP神经网络模块利用训练好的预分类网络的输出结果对案例建立索引，将原案例库划分为若干个子案例库，诊断时，先将测试数据输入训练好的预分类网络，根据网络的输出，在相应的子案例库中寻找相似案例集，而将GA-BP用于案例推理中的案例索引的建立和案例检索可以改变原有CBR索引建立难点问题，同时GA-BP与CBR存在很好的互补性，让改进的神经网络作为CBR的预处理，CBR得到的诊断结果可以反馈修正GA-BP网络，得到最终的诊断结果。

2.根据权利要求1所述的一种基于GA-BP-CBR的工业设备故障诊断系统，其特征在于，作为预处理模块的GA-BP神经网络模块具体包括：辅助CBR案例的建立，即对故障信息进行分类，给CBR中案例索引的建立提供依据；在诊断时，对故障信息进行大概的预诊断；即根据神经网络的计算结果,可以大致知道故障的一般概况，并且辅助最后案例修正，使GA-BP-CBR系统可以得到理想的诊断结果；GA-BP用于指导后续CBR模块中案例的检索。

3.根据权利要求1所述的一种基于GA-BP-CBR的工业设备故障诊断系统，其特征在于，GA-BP预诊断网络的相关工作特性描述如下：

·网络的输入层为待诊断对象的故障征兆向量X＝(x₁,x₂,...,x_n)，n为症状空间维数,网络的输出层为待诊断对象的故障类别Y＝(y₁,y₂,...,y_m),m为故障类别数，y_i表示诊断对象为第i类故障的可能性；

·网络的训练规则为，输入训练数据，对于表征第i类故障的症状向量，其标准输出应为：

y_j＝1当j＝＝i

y_j＝0当j≠i

·在进行诊断时，输入待诊断对象的症状数据，网络得到相应的输出，具体的诊断规则如下：

1)若节点i的输出y_i≥ε,则认为诊断结果为第i类故障；这里ε在0.5和1之间，具体的值则由领域专家确定，不同的系统和诊断对象，ε值会各不相同；

2)设y_j＝max{y_i},(i＝1,...m)，若y_j-y_k≤δ,(k＝1,...,m,且k≠j)，则认为诊断结果为k和j类故障都发生，否则认为j类故障发生，这里δ的确定也是根据具体的诊断对象和诊断网络输出特性来定，在0.2和0.3之间。

4.根据权利要求1所述的一种基于GA-BP-CBR的工业设备故障诊断系统，其特征在于，所述案例推理理论CBR网络模块包括案例的描述、索引的建立及案例的检索匹配：

其中，案例的描述采用了三元组的结构来描述案例，其结构行如：

case＝problem,symptom,solution

结构包括三个域，分别为：问题域、症状描述域、解决方案域；