[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

摘要

根据本发明的基于粒子群算法优化BP神经网络模型故障诊断方法，包括以下步骤：S1,数据采集；S2，建立BP故障诊断器；S3，确定PSO粒子的维度；S4，初始化粒子的速度及位置；S5，将每一个粒子的每一个初始位置进行赋值，得到PSO‑BP故障诊断器；S6，PSO‑BP故障诊断器对S1中数据进行故障诊断，得到第一诊断结果；S7，计算粒子的适应度值；S8，更新最低适应度值粒子的速度及位置；S9，将更新位置按照顺序进行赋值，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，得到最优粒子，将最优粒子的每个维度上的位置按顺序进行赋值，得到最终诊断模型；S12，使用最终诊断模型进行故障诊断，得到故障诊断结果。

主权项

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,得到训练组数据和测试组数据；S2，建立BP(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(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；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；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。