买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：三峡大学

摘要：一种基于RBF‑Elman神经网络的整流器故障诊断方法，包括：步骤一、运用二进制码来表示故障类型和故障位置；步骤二、采集电路输出电压，并将样本集划分为训练集和测试集；步骤三、构建RBF‑Elman复合神经网络模型；步骤四、运用遗传算法对RBF‑Elman复合神经网络的权值以及阈值进行优化；步骤五、通过对复合神经网络的训练，直至满足规定的误差条件；步骤六、测试集输入复合神经网络中，提高准确率。其承接层可以记忆储存前一次隐含层的输出值，其能够反馈到下一次的隐含层输出运算中，Elman神经网络计算能力和网络稳定性都要比BP神经网络好；通过小波分析技术能够优化复合神经网络的结构，减少输入层的神经元个数，故该方法可以更加精确地对整流器器件进行故障诊断。

主权项：1.一种基于RBF-Elman神经网络的整流器故障诊断方法，其特征在于，诊断步骤为：Step1、分析三相桥式不可控整流器所出现的故障情况并运用二进制码来表示三相不可控整流器的故障类型和故障位置；Step2、采集不同负载情况下的电路输出电压，对数据集进行归一化处理，再运用小波包变换对数据集进行处理，处理后的数据集为样本集，并将样本集划分为训练集和测试集；Step3、运用RBF-Elman复合神经网络对三相桥式不可控整流器进行故障诊断，构建RBF-Elman复合神经网络模型，设置复合神经网络中输入层、隐含层、承接层以及输出层神经元的个数，设置隐含层的激励函数，RBF-Elman复合神经网络的输入层为RBF神经网络的输入层，复合神经网络的第一层隐含层为RBF神经网络的隐含层，复合神经网络的第二层隐含层为Elman神经网络的输入层，复合神经网络的第三层隐含层为Elman神经网络的隐含层，复合神经网络的第四层隐含层为Elman神经网络的承接层，复合神经网络的输出层为Elman神经网络的输出层；Step4、运用遗传算法对RBF-Elman复合神经网络的权值以及阈值进行优化；Step5、将训练集输入到由遗传算法优化的RBF-Elman复合神经网络中，通过对复合神经网络的训练，调整神经网络的参数，直至满足规定的误差条件；Step6、将测试集输入到遗传算法优化的RBF-Elman复合神经网络中，得到三相桥式不可控整流器的故障类型及故障诊断准确率；所述的Step3中所构建的RBF-Elman复合神经网络中第一层隐含层，即RBF神经网络的隐含层的输出为Gauss函数输出值Rxi,cj： 其中，i＝1，2，3…n；j＝1，2，3…m；xi为样本数值,i为样本数量，cj为第j个第一层隐含层神经元的数据中心，δj为RBF径向基函数的宽度，j为复合函数第一层隐含层神经元节点数；RBF-Elman复合神经网络中第二层隐含层，即RBF神经网络的输出层的输出值为Ud： 其中，d为复合函数第二层隐含层神经元节点数，Wjd为复合函数的第一层隐含层和第二层隐含层之间的权值，hn选用激励函数Sigmoid： RBF-Elman复合神经网络中第三层隐含层，即Elman神经网络的隐含层的在k时刻的输出值为Tk：Tk＝fW2Udk-1+W1Tck；其中，W2为复合函数的第二层隐含层和第三层隐含层之间的权值，W1为第三层隐含层和第四层隐含层之间的权值；Tck＝Tk-1；RBF-Elman复合神经网络中第四层隐含层，即Elman神经网络的承接层在k时刻的输出值为Ek：Ek＝W1Tck；RBF-Elman复合神经网络中的输出层在k时刻的输出值为yk：yk＝gW3Tk；其中，W3为复合函数的第四层隐含层和输出层之间的权值；上述的fn选用tansig函数，gn选用purelin函数： gn＝n；所述的Step4为防止RBF-Elman复合神经网络陷入局部极小值，采用遗传算法与其结合，优化复合神经网络的初始权值和阈值：Step4.1、首先设置遗传算法的迭代次数、种群规模、交叉概率、变异概率参数，对设置权值[W1W2……Wn]和阈值[θ1θ2……θn]进行编码构成染色体，再将复合神经网络训练的误差函数值Ji作为适应度函数，计算每个个体的适应度函数值：Ji＝Hi-yi2；其中，i＝1，2，……；Ji为误差函数值，Hi为样本期望输出值，yi为样本实际输出值；Step4.2、将每个个体的适应度函数值进行排序，选择优胜的个体，进行交叉、变异操作，得到下一代种群，当满足迭代次数要求或得到期望误差值时停止迭代，此时就可以得到优化后的初始阈值和权值。

全文数据：

权利要求：

百度查询： 三峡大学 一种基于RBF-Elman神经网络的整流器故障诊断方法