[发明专利]一种基于CPN神经网络的汽轮发电机组故障诊断方法

摘要

本发明涉及一种基于CPN神经网络的汽轮发电机组故障诊断方法，CPN神经网络由输入层至竞争层，网络进行无教师型学习，反复不断地在竞争层挑选获胜神经元，并调整相应的输入层至竞争层的连接权值；由竞争层到输出层，网络进行有教师型学习，得到各输出层神经元的实际输出值，并按照有教师型的误差校正方法，修正由竞争层到输出层的连接权值，以实现类的表示功能。经过学习调整后的各神经元所对应的连接权值记录了所有输入模式的综合信息，通过这些信息可以对目标进行正确的识别。将CPN神经网络应用于汽轮发电机组故障诊断中，可以克服BP神经网络陷入局部极小点、学习速度慢和收敛性差的缺陷，更准确、更有效地实现发电机组故障诊断。

主权项

1.一种基于CPN神经网络的汽轮发电机组故障诊断方法，其特征在于，包括如下具体步骤：1）CPN神经网络依次包括输入层、竞争层和输出层，汽轮发电机组故障训练样本为输入向量，输出层为故障种类，每个输出神经元分别对应一种故障类别，定义CPN神经网络各个层：设CPN网络的输入向量为  ，竞争层的输出向量为，输出层的实际输出向量为，目标输出向量为，其中分别为CPN神经网络输入层、竞争层以及输出层的神经元个数，，其中表示CPN神经网络故障样本的个数，由输入层至竞争层的连接权值向量为；由竞争层到输出层的连接权值向量为；2）CPN神经网络数据预处理：将所有的输入向量按照公式，，进行归一化处理，并将连接权向量和赋予[0,1]内的随机值；3）CPN神经网络由输入层至竞争层进行无教师型学习：将连接权值向量按照公式，，进行归一化处理，将第个输入模式提供给网络输入层，然后根据公式，计算竞争层中每个神经元的加权输入和，根据公式得连接权向量中与距离最近的向量，并将其对应的神经元的输出设定为1，其余竞争层神经元的输出设定为0；最后将连接权向量按照公式，进行修正，并将连接权重新归一化，其中为学习率，；4）CPN神经网络由竞争层到输出层进行有教师型学习：根据公式，来修正竞争层到输出层的连接权向量，其中为学习率，；求得输出层各神经元的加权输入，并将其转化为输出层神经元的实际输出值；5）CPN神经网络的重复训练：将个输入模式全部提供给CPN神经网络进行无教师型学习和有教师型学习，完成一次CPN神经网络的训练，再令，将输入模式重新提供给网络学习，直到或者网络误差E小于预定的误差为止，其中为预先设定的学习总次数：；6）将故障诊断样本作为输入送入训练后的CPN神经网络进行诊断。