[发明专利]一种基于误差逆传播算法的断路器故障诊断方法

权利要求书

1.一种基于误差逆传播算法的断路器故障诊断方法，其特征在于，该方法包括以下步骤：

步骤1：提取故障诊断特征参量；

步骤2：建立并训练基于误差逆传播算法的神经网络故障诊断模型；其具体包括：

步骤2-1：根据步骤1中提取的多个诊断特征参量，建立特征向量；

步骤2-2：建立基于误差逆传播算法的神经网络故障诊断模型，建立一种拥有d个输入神经元、l个输出神经元、q个隐层神经元的神经网络故障诊断模型；其具体包括：

步骤2-2-1：根据步骤2-1中提取的特征向量建立训练集；

步骤2-2-2：对上述步骤所建立训练集进行归一化处理；

步骤2-2-3：随机定义学习率；

步骤2-2-4：在(0，1)范围内随机初始化神经网络中所有连接权和阈值；

步骤2-3：使用误差逆传播算法训练上述建立的神经网络故障诊断模型；其具体包括：

步骤2-3-1：计算神经网络输出：

其中，为神经网络输出层第j个实际输出，β_j为第j个输出神经元的输入：

其中，b_h为隐层第h个神经元的输出，α_h为隐层第h个神经元的输入；

步骤2-3-2：计算输出层神经元的梯度项g_j：

步骤2-3-3：计算隐层神经元的梯度项e_h：

步骤2-3-4：根据上述所计算的梯度项更新连接权与阈值：

ω′_hj＝ω_hj+Δω_hj＝ω_hj+ηg_jb_h

θ′_j＝θ_j+Δθ_j＝θ_j-ηg_j

γ′_h＝γ_h+Δγ_h＝γ_h-ηe_h

步骤2-3-5：比较神经网络故障诊断模型实际输出与期望输出，如满足精度要求，则停止训练并进入步骤3，如未满足精度要求，则重复步骤2-3-1至步骤2-3-5；

步骤3：利用训练好的诊断模型对实际断路器进行故障识别。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中，针对正常工作情况与不同故障情况下的断路器，采集多种情况下的断路器线圈分合闸电流信号，作为样本，并结合各类实际故障，提取每个样本下电流信号波形中多个时间特征量与电流特征量作为诊断特征参量。

3.根据权利要求1所述的方法，其特征在于，在步骤2-2中，所述神经网络故障诊断模型的建立过程具体包括如下步骤：

步骤2-2-1中所建立训练集如下：

其中，X_k作为输入特征向量，X_k∈R^d，即输入特征向量由d个属性描述，d由特征向量中特征参量数目决定；Y_k作为输出向量，Y_k∈R^l，即输出l维实值向量，l由断路器故障类型数目决定；m由样本数决定；

步骤2-2-2中的归一化方法如下：

其中，为归一化后特征参量，为待归一化的特征参量，为样本空间中第i特征参量最小值，为样本空间中第i特征参量最大值；

其中，为归一化后输出参量，为待归一化的输出参量；

得到归一化后训练集：

步骤2-2-3中，学习率η＝(0，1)；

步骤2-2-4中，输出层第j个神经元的阈值用θ_j表示，隐层第h个神经元的阈值用γ_h表示，输入层第i个神经元与隐层第h个神经元之间连接权为v_ih，隐层第h个神经元与输出层第j个神经元之间的连接权为ω_hj。

4.根据权利要求2所述的方法，其特征在于，所述步骤3中，重新采集待诊断断路器的线圈分合闸电流信号，并提取特征参量，将其输入训练完成的断路器故障诊断模型中，进行故障识别与分类。