[发明专利]复杂电子设备故障预测的方法在审
| 申请号： | 201611054050.3 | 申请日： | 2016-11-25 |
| 公开（公告）号： | CN106650022A | 公开（公告）日： | 2017-05-10 |
| 发明（设计）人： | 赵昶宇;胡亮 | 申请（专利权）人： | 天津津航计算技术研究所 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08;G06N3/12 |
| 代理公司： | 中国兵器工业集团公司专利中心11011 | 代理人： | 刘东升 |
| 地址： | 300308 天津*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种复杂电子设备故障预测的方法，属于故障预测技术领域。本发明利用粗糙集属性约简方法对样本数据进行预处理，粗糙集理论具有很强的定性分析能力，能在保留关键信息的前提下对样本数据进行约简，达到简化训练样本的目的；根据改进的遗传算法获得最佳神经元初始权值和阈值，对经典遗传算法进行改进，以网络误差最小作为进化准则，经过多次迭代，最后获得BP神经网络开始训练的初始权值和阈值；基于改进的BP神经网络训练算法训练网络的连接强度，计算BP神经网络输出层的预测值，为进一步缩短训练时间，对BP神经网络进行改进，动态调整学习速率，提高了网络收敛速度。对样本数据进行反归一化处理，得到复杂电子设备故障样本数据的预测值。 | ||
| 搜索关键词： | 复杂 电子设备 故障 预测 方法 | ||
【主权项】：
一种复杂电子设备故障预测的方法，其特征在于，所述方法包括以下步骤：首先利用差别矩阵的属性约简方法建立复杂电子设备最小故障诊断特征子集，并对属性样本进行归一化处理；然后根据改进的遗传算法获得最佳神经元初始权值和阈值；对BP神经网络进行改进，动态调整学习速率，并用改进后的训练算法训练网络的连接强度；最后对预测的故障样本进行反归一化处理，得到复杂电子设备的故障样本的预测值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津津航计算技术研究所，未经天津津航计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611054050.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种脆性材料磨削过程建模仿真方法
- 下一篇：花架
