[发明专利]基于PSO优化的BP神经网络预测电梯故障的方法

摘要

本发明公开了基于PSO优化的BP神经网络预测电梯故障的方法。现有PSO粒子群算法初期惯性权重的值还不够大，后期惯性权重值减小得不够快。本发明对标准PSO算法进行改进，将改进PSO算法得到的全局最优值作为BP的权重和偏置，得到改进PSO算法优化的BP神经网络。本发明改进PSO算法在迭代初期具有比标准PSO算法更大的惯性权重，使粒子收敛于全局最优值的能力得到提升，具有较强的全局搜索能力；在迭代后期搜索到最优值大致范围时，改进PSO算法具有比标准PSO算法更小的惯性权重，使得改进PSO算法比标准PSO算法展现了更多粒子群的多样性，完成精细搜索。

主权项

1.基于PSO优化的BP神经网络预测电梯故障的方法，其特征在于：该方法包括以下步骤：/n步骤一、通过安装于电梯轿厢上的传感器网络，获得故障原因实验数据样本，并通过安装于轿厢上数据传输设备将数据上传至数据库；然后，从故障原因实验数据样本中提取出电梯运行特征参数；/n步骤二、对故障原因实验数据样本进行筛选，将故障原因实验数据样本分成训练数据样本和测试数据样本；/n步骤三、建立PSO与BP神经网络相结合的电梯运行故障预测模型：设定改进PSO算法的粒子群规模和迭代代数；依据电梯运行特征参数与电梯运行故障原因的对应关系，利用改进PSO算法优化确定BP神经网络的权重和偏置；然后，把改进PSO算法的粒子群规模、改进PSO算法的迭代代数、优化后的BP神经网络的权重、BP神经网络的偏置和训练数据样本作为输入值代入确定好权重和偏置的BP神经网络中进行训练，得到未经测试的预测模型；将测试数据样本输入至未经测试的预测模型中，检验模型的预测精度，若预测精度未达到预设值，则同步增大传感器网络中各传感器的数据采集量，回到步骤一；若预测精度达到预设值，则得到PSO与BP神经网络相结合的电梯运行故障预测模型；/n改进PSO算法是对标准PSO算法的改进，改进过程如下：/n1)将标准PSO算法的学习因子C1、C2以及惯性权重ω、位置X和速度V初始化，并将故障原因实验数据样本输入到适应度函数，得到粒子个体历史最优值P