基于PSO-KPCA-LVQ的燃气调压器故障诊断方法、系统、终端及计算机存储介质技术方案

本申请所提供的一种基于PSO‑KPCA‑LVQ的燃气调压器故障诊断方法、系统、终端及计算机存储介质。所述方法包括：获取已知故障类型的燃气调压器原始故障数据；采用粒子群算法与核主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据；利用学习向量量化神经网络将经粒子群算法与核主元分析法降维处理后的样本数据进行故障分类。本申请用主成分分析方法对原始的燃气调压器故障样本数据进行预处理，并且将降维处理后的新样本数据作为学习向量量化神经网络的输入，有效的减小了对于经验的依赖，减少人工参与导致不确定性的出现，能够实现调压器主要易损部件的故障预警及智能化故障诊断，对燃气设备的稳定、安全、可靠运行起到极大的作用。

Fault diagnosis method, system, terminal and computer storage medium of gas regulator based on pso-kpca-lvq

【技术实现步骤摘要】
基于PSO-KPCA-LVQ的燃气调压器故障诊断方法、系统、终端及计算机存储介质
本申请涉及燃气调压器故障诊断
，尤其是涉及一种基于粒子群、核主元分析法与学习向量量化神经网络的燃气调压器故障诊断方法、系统、终端及计算机存储介质。
技术介绍
进入二十一世纪，在我国天然气行业高速发展的行情下，天然气作为清洁无污染的能源，已经成为了现在城市生活及发展必不可少的部分。天然气作为一种绿色清洁能源，一方面可以减少对环境的污染，另一方面与人工煤气相比更经济实惠。天然气在工业方面的应用，可以减少煤炭等化石燃料的大量应用，能使生产出来的产品在产量和质量方面会有很大的提高。在社会不断向前发展的情况下，能源使用所呈现的紧张现状以及环境污染所带来的生态问题已经引起了全球各界的高度关注，在目前情景下如何合理利用好煤炭及石油资源，开发出新的能源，应对全球温室效应，保护我们赖以生存的生态环境，早已成为世界各个国家共同关注并需引起高度重视的重大课题。供燃气系统可谓是城市的生命线工程，对于经济发展以及社会的安全稳定都发挥着功不可没的作用。伴随着城市的不断发本文档来自技高网...

【技术保护点】
1.一种基于粒子群、核主元分析法与学习向量量化神经网络的燃气调压器故障诊断方法，其特征在于，包括：/n获取已知故障类型的燃气调压器原始故障数据；/n采用粒子群算法与核主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据；/n利用学习向量量化神经网络将经粒子群算法与核主元分析法降维处理后的样本数据进行故障分类。/n

【技术特征摘要】
1.一种基于粒子群、核主元分析法与学习向量量化神经网络的燃气调压器故障诊断方法，其特征在于，包括：
获取已知故障类型的燃气调压器原始故障数据；
采用粒子群算法与核主元分析法对所述原始故障数据进行降维处理，生成低维不相关的样本数据；
利用学习向量量化神经网络将经粒子群算法与核主元分析法降维处理后的样本数据进行故障分类。


2.根据权利要求1所述的燃气调压器智能故障诊断方法，其特征在于，所述燃气调压器的原始故障数据包括：
燃气调压器的指挥器、皮膜、输入端压力、阀口阀位的原始故障数据。


3.根据权利要求1所述的燃气调压器智能故障诊断方法，其特征在于，对所述原始故障数据进行降维处理，生成低维不相关的样本数据，包括：
将获取的原始故障数据作预处理得到标准数据矩阵；
计算所述标准数据矩阵的各变量均值及协方差矩阵；
计算所述协方差矩阵的特征值矩阵及特征向量矩阵；
利用所述特征值矩阵及特征向量矩阵计算主元累计方差贡献率，确定主元个数，进而确定主成分。


4.根据权利要求1所述的燃气调压器智能故障诊断方法，所述利用学习向量量化神经网络将经粒子群算法与核主元分析法降维处理后的样本数据进行故障分类，包括：
将所述样本数据随机分配为训练数据集与测试数据集；
建立学习向量量化神经网络，利用所述训练数据集训练所述学习向量量化神经网络，生成训练完成的燃气调压器故障诊断模型；
利用所述测试样本集测试训练完成的学习向量量化神经网络，分析故障诊断结果。


5.根据权利要求4所述的燃气调压器智能故障诊断方法，其特征在于，所述建立学习向量量化神经网络，利用所述训练数据集训练所述学习向量量化神经网络，生成训练完成的燃气调压器故障诊断模型，包括：
初始化学习向量量化神经网络权值，包括确定学习向量量化神经网络的输入层，隐含层和输出层的节点数目，以及连接权值和神经元激励函数等；
给定样本向量，计算各层神经元的输出，并计算输出层...

【专利技术属性】
技术研发人员：王亚慧，郝学军，詹淑慧，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京;11