基于RBF与BP神经网络的建筑电气系统故障诊断比较研究.pdf

《基于RBF与BP神经网络的建筑电气系统故障诊断比较研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第28卷第4期北京建筑工程学院学报V01．28No．42012年12月JournalofBeijingUniversityofCivilEngineeringandArchitectureDec．2012文章编号：1004—6011(2012)04—0042—06基于RBF与BP神经网络的建筑电气系统故障诊断比较研究吴茜，王亚慧(北京建筑工程学院电气与信息工程学院，北京100044)摘要：建筑电气系统的故障自诊断一直是国内外故障诊断领域的空白，其主要原因是建筑电气系统庞大、复杂，子系统多，难于建立数学模型．利用神经网络不依赖模型和收敛速度快的优势和特性，可以很

2、好地解决该问题．由于神经网络在建筑电气故障领域的基础研究和应用非常少，通过对经典的RBF和PB神经网络故障诊断方法进行对比研究，为后续研究打下基础．通过利用建筑电气系统试验平台的数据进行实验，结果表明在两种神经网络未经优化的情况下，RBF网络在建筑电气故障诊断的应用上要优于BP网络．基于RBF网络的建筑电气故障诊断方法在工程上将有广阔的应用前景．关键词：故障诊断；建筑电气系统；神经网络中图分类号：TP389．1；TU855文献标志码：AComparativeStudyonFaultDiagnosisofBuildingElectricalSystemBased

3、onRBFandBPNeuralNetworkWuQian，WangYahui(SchoolofElectricityandInformationEngineering，BUCEABeijing100044)Abstract：Buildingelectricalsystemfaultdiagnosisistheblankinthefaultdiagnosisfieldathomeandabroad．Themainreasonisthatthebuildingelectricalsystemshavemanycomplexandhugesubsystems；me

4、anwhile，itisveryhardtoestablishthemathematicalmodelofsystem．Byusingtheneuralnetworkswhichisnotdependingonthemodelandusingitsadvantageofconvergencespeed，thedificultiesofbuildingelectricalsystemfaultdiagnosiscanbewellsolved．Thebasicresearchofneuralnetworkonbuildingelectricfieldisveryl

5、ittle．Butthetwobasicmethodsonbuildingelectricalfaultdiagnosisareproposedinthepaper．Bycomparingthesetwomethods，theexperimentalresultsshowthatbothofthemcouldcompletethediagnosis，buttheRBFnetworkonbuildingelectricalfaultdiagnosisapplicationissuperiortoBPnetworkanditwillplayanimportantr

6、oleandhavebroadapplicationprospects．Keywords：faultdiagnosis；buildingelectricalsystem；RBFneuralnetwork随着电子通信与网络技术的飞速发展，当前的一般只有供配电系统和照明系统，电气故障发生后建筑电气系统正朝着规模庞大、结构复杂，集照明、多依靠电工经验，由人工检测排查故障，对于日益复动力、控制于一体的大型智能系统发展．老旧建筑杂且各子系统之问存在耦合关系的现代建筑电气系收稿日期：2012—09—24作者简介：吴茜(1986一)，女，硕士研究生，研究方向：建筑智能化技术

7、第4期吴茜等：基于RBF与BP神经网络的建筑电气系统故障诊断比较研究43统，人工经验往往不足以支撑整个系统的故障判断，．(1lx—C，II)这就需要提出新的智能故障诊断方法．目前国内外在建筑电气故障诊断领域的相关研究还处于空白阶段，在研究方法上借鉴与比较成熟的电力系统的故障诊断．目前故障智能诊断技术包括专家系统、人工神经元网络、决策树、数据挖掘等．由于建筑电气故障类型多且关联性强，采用专家系(1lx一l1)统、决策树等逻辑推理的方法不易规则表达形成案图1RBF神经网络结构图例，而通过对建筑电气关键位置的电信号的检测与数据采集容易获得大量数据，采用人工神经网络和

8、其中，C为基函数中心，or是第i个隐含