公开(公告)号：CN113688559A

公开(公告)日：2021-11-23

申请号：CN202110701763.9

申请日：2021-06-24

Applicant: 上海大学

Inventor： 王灵 ,  胡雪莲 ,  贾以豪 ,  黄博文

IPC: G06F30/27 ,  G06F111/06 ,  G06F119/02

Abstract: 本发明公开了一种基于改进选择性进化随机网络的海水淡化系统故障诊断方法，涉及故障诊断技术领域，包括以下步骤：选取特征差异较大的若干分类数据集作为原始网络(PNN)构建数据集；生成一个初始随机单隐层前馈神经网络；基于PNN构建数据集，采用基于智能PID控制的自适应人类学习优化算法(AHLOPID)优化该网络以获得PNN；将PNN用于具体故障诊断，基于海水淡化系统故障数据利用AHLOPID协同进行实际工作网络优化及特征选择；最终将得到的最优分类器用于实际故障诊断。本发明通过构建PNN提高了故障诊断泛化性能，将AHLOPID用于网络的设计以克服随机前馈神经网络在实际应用中由于随机化带来的不稳定性，从而提高了海水淡化系统故障诊断准确率，保证了系统的稳定运行。

公开(公告)号：CN113688559B

公开(公告)日：2023-11-17

申请号：CN202110701763.9

申请日：2021-06-24

Applicant: 上海大学

Inventor： 王灵 ,  胡雪莲 ,  贾以豪 ,  黄博文

IPC: G06F30/27 ,  G06F111/06 ,  G06F119/02

Abstract: 本发明公开了一种基于改进选择性进化随机网络的海水淡化系统故障诊断方法，涉及故障诊断技术领域，包括以下步骤：选取特征差异较大的若干分类数据集作为原始网络(PNN)构建数据集；生成一个初始随机单隐层前馈神经网络；基于PNN构建数据集，采用基于智能PID控制的自适应人类学习优化算法(AHLOPID)优化该网络以获得PNN；将PNN用于具体故障诊断，基于海水淡化系统故障数据利用AHLOPID协同进行实际工作网络优化及特征选择；最终将得到的最优分类器用于实际故障诊断。本发明通过构建PNN提高了故障诊断泛化性能，将AHLOPID用于网络的设计以克服随机前馈神经网络在实际应用中由于随机化带来的不稳定性，从而提高了海水淡化系统故障诊断准确率，保证了系统的稳定运行。