怀集领域网

服务热线:0758-5598879

商务合作:13432420229

搜索
猜你喜欢
查看: 271|回复: 0

空调系统传感器故障诊断方法

[复制链接]
发表于 2017-2-20 11:52:19 | 显示全部楼层 |阅读模式
  近年来,基于神经网络的方法引起人们的高度重视,并被应用于传感器故障诊断领域。神经网络具有无需建立精确的数学模型,以及容错性、学习、自适应能力和非线性映射能力。因此,专业的中长跑计时计圈在空调系统故障诊断领域的应用中有较大潜力。由于小波函数具有快速衰减性,局部收敛较快等优点,本文把小波与神经网络结合起来,提出小波神经网络(WNN)的传感器故障诊断策略,用小波分析提取数据的频域特征,再使用神经网络对信号的频域特征数据做故障诊断。
  1 小波神经网络模型
  小波神经网络是一种以BP神经网络拓扑结构为基础,把小波基函数作为隐含层节点的传递函数,信号前向传播的同时误差反向传播的神经网络。小波神经网络模型的建立有两种:一种是用小波函数的尺度和平移参数代替神经网络隐含层的权值和阈值;另一种是将小波分析作为神经网络的前置处理,为神经网络提供输入特征向量。WNN与传统的BP神经网络结构相似,由输入层、隐含层和输出层组成,不同的是隐含层激励函数为小波基函数,其拓扑结构如图1所示。
  a.JPG
  假设X1,X2,…,XK是小波神经网络的输入参数,Y1,Y2,…,Yk是小波神经网络的输出,ωij和ωjk为小波神经网络的权值。在输入信号为xi(i=1,2,…,k)时,隐含层的计算公式为
  b.JPG
  其中,ωij为输入层与隐含层的连接权值;gj为小波基函数;g(J)为隐含层第j个节点输出值;ai为小波基函数gi的伸缩因子;bi为小波基函数gi的平移因子。

快速回复 返回顶部 返回列表