典型文献
基于PCA－GA－BP神经网络的水电机组状态异常辨别方法
文献摘要：
为提高机组异常运行识别效率与精度,提出基于主成分分析法和遗传算法优化反向传播神经网络(BP neural network)的机组异常状态检测模型.以机组实时记录传感器数据为样本,利用主成分分析法对多维数据进行降维操作,处理后得到综合变量.随后在此基础上搭建BP 神经网络并利用遗传算法优化神经网络随机初始权值与阈值,完成对机组不同运行状态检测模型仿真训练.最后以某电站连续时间段内机组正常与异常运行状态下各部件传感器实时监测数据为样本分析,并将所提PCA－GA－BP算法与其他优化算法、传统算法进行对比,通过不同样本比例下的仿真训练试验验证该方法可行性.仿真试验结果表明:模型相较于传统BP神经网络,平均状态检测时间相对缩短84%,平均检测正确率相对提高2.50%,能在均正确率接近99.00%的基础上实现0.70～1.00 s左右对机组异常运行的有效辨别,做到机组异常运行的精确辨别与早期预警.
文献关键词：
机组运行状态;传感器;神经网络;主成分分析法;遗传算法
中图分类号：
作者姓名：
罗正亮;潘虹;赵雷;唐魏;郑源
作者机构：
河海大学能源与电气学院,江苏 南京210037;重庆航运建设发展有限公司,重庆400000;河海大学水利水电学院,江苏 南京210037
文献出处：
引用格式：
[1]罗正亮;潘虹;赵雷;唐魏;郑源-.基于PCA－GA－BP神经网络的水电机组状态异常辨别方法)[J].排灌机械工程学报,2022(04):372-377,403
A类：
B类：
GA,水电机组状态,辨别方法,反向传播神经网络,neural,network,异常状态,状态检测,检测模型,实时记录,传感器数据,多维数据,遗传算法优化神经网络,权值与阈值,模型仿真,仿真训练,连续时间,异常运行状态,样本分析,传统算法,仿真试验,检测时间,早期预警,机组运行状态
AB值：
0.281321
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
