论文部分内容阅读
电气设备故障诊断中对样本数据要求较高,且易出现特征提取难、诊断精准度低等问题,因此,提出基于PCA的火电厂电气设备故障诊断方法.通过PCA分析得出数据间相关性,经过标准化计算确定主元数量,利用最优重构法构建主元模型,基于PCA处理设备输出相应的采样信号,提取故障特征主要成分,采用BP神经网络与遗传算法相结合,优化原网络中参数结构,获取出最优取值网络结构、初始权值、阈值以及学习速率,构建出具有最佳结构和参数的神经网络实现故障诊断.仿真实验结果表明,所提方法可通过最优网络结构减少整体计算步骤,测得实验数据与真实值相差较小,具有较高有效性.