论文部分内容阅读
电厂设备多是从结构到功能都很复杂的大型系统,通常故障信号处理中提取到的故障信息有限且不完整。尤其当数据间存在着强相关性的非线性关系时,缺乏有效的方法。故障信号的分类则是更为困难的研究课题,对电厂设备通常难以进行准确故障诊断。本文就上述难点进行探讨,寻找解决方法。提出了基于非线性主元分析(NLPCA)网络和概率神经网络(PNN)的故障诊断方法。首先使用非线性主元分析神经网络进行特征提取,降低数据维数,既简化了诊断过程,又确保了故障诊断精度。随后使用概率神经网络获取最终的故障诊断结果。将提出的方法用于汽