基于信息熵和BP神经网络的故障分类方法

• 作者: 孙海蓉 王蕊 耿军亚
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 粗糙集 神经网络 近似决策熵 故障分类预测 汽轮机
• 年，卷（期）: 2017,（3）
• 页码范围: 49-54
• 页数: 6页
• 分类号: TP18
• 字数: 4069字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2017.03.009

摘要

为了实现电厂运行中设备故障类型的快速、准确判断,解决神经网络因输入量增多导致收敛速度大幅降低的问题,将基于近似决策熵模型的属性约简算法结合BP神经网络进行故障分类预测.基于信息熵的属性约简算法对故障样本数据进行预处理,得到约简决策表,将约简数据样本作为BP神经网络的输入进行训练,预测故障分类.将该方法用于汽轮机振动故障诊断,结果表明:有效降低了神经网络的输入维数,简化了网络结构,获得了较高的分类精度,同时降低了计算开销,对快速判断故障类型,提高维修效率,具有工程实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙海蓉	华北电力大学控制与计算机工程学院	30	215	8.0	13.0
2	王蕊	华北电力大学控制与计算机工程学院	9	96	6.0	9.0
6	耿军亚	华北电力大学控制与计算机工程学院	3	18	3.0	3.0