[发明专利]一种基于Elman神经网络和SVM的重型燃气轮机控制系统控制器模块智能BIT设计方法

权利要求书

1.一种基于Elman神经网络和SVM的重型燃气轮机控制系统控制器模块智能BIT设计方法，其特征在于，具体步骤为：

步骤1：采集指定时间段内的控制器模块运行的单一模拟量状态参数的历史数据，采集连续时间序列的数据和当前数据的真实运行状态；

步骤2：将数据进行归一化处理，结合其真实运行状态确定Elman神经网络的输入和输出；

步骤3：依据时间序列递推，采用动态训练的方式确定模型的训练集和测试集；

步骤4：针对特征状态参数设计Elman神经网络，通过输入时间序列数据确定模拟量参数的状态，利用时间序列数据对网络进行训练和测试，直到模型的训练误差小于预先设定的阈值；

步骤5：在步骤4的模型训练好之后，将Elman神经网络的输出传递至SVM作为输入进行二分类，确定时间序列数据的状态；

步骤6：针对步骤5中SVM的二分类结果，其中0表示正常，1表示故障，将针对每一时间序列数据的SVM输出结果作为当前时刻BIT的诊断结果。

2.根据权利要求1所述的基于Elman神经网络和SVM的重型燃气轮机控制系统控制器模块智能BIT设计方法，其特征在于，所述控制器模块历史数据为常规BIT诊断方式为阈值诊断或简单逻辑诊断时的状态参数，按照时间序列进行排序，且包含可反映控制器模块状态的所有特征状态参数历史数据，矩阵U代表状态参数的时间序列数据，u_n表示第n个时间序列的监测数据，即U＝[u₁,u₂,…u_n]，矩阵O代表不同时间下状态参数的诊断数据，该数据一般为开关量数据，o_n表示第n个时间序列的诊断结果，即O＝[o₁,o₂,…o_n]。

3.根据权利要求1所述的基于Elman神经网络和SVM的重型燃气轮机控制系统控制器模块智能BIT设计方法，其特征在于，所述步骤2中，特征状态参数的归一化处理方法具体为：

u′代表归一化处理后的数据，u代表归一化处理前的数据，u_min代表该特征状态参数的最小值，u_max代表该特征状态参数的最大值。