[发明专利]一种基于广义回归神经网络的小电阻振动监测方法

权利要求书

1.一种基于广义回归神经网络的小电阻振动监测方法，其特征在于，包括：

采集小电阻待监测的振动信号；

对采集的振动信号进行预处理，去除干扰信号，进一步得到所述振动信号在时域和频域上的数据；

根据小电阻振动的特征，通过样本获取模块和模型建立模块得到标本数据，采用广义回归神经网络GRNN通过模型建立模块建立小电阻振动诊断模型，包括：

将所述标本数据分成建模标本数据和检验标本数据；

根据所述建模标本数据，确定振动因子；

根据所述建模标本数据，确定非振动参数；

根据所述建模标本数据、所述振动因子和所述非振动参数，采用广义回归神经网络方法，建立振动计算模型；

根据所述检验标本数据，对所述振动计算模型进行验证；

采用粒子群算法与人工免疫融合算法的结合进行广义回归神经网络GRNN的训练优化，利用小电阻的运行数据训练此模型；

基于所述振动信号在时域和频域上的数据和训练得到的小电阻振动诊断模型，进行振动信号特征分析，当小电阻振动诊断模型预测的振动特征与实测信号发生偏差达到一阈值时，则判断小电阻故障，进行报警。

2.根据权利要求1所述的基于广义回归神经网络的小电阻振动监测方法，其特征在于，模型建立模块包括：

振动因子确定单元，用于根据所述建模标本数据，确定振动因子；

非振动参数确定单元，用于根据所述建模标本数据，确定非振动参数；

模型建立单元，用于根据所述建模标本数据、所述振动因子和所述非振动参数，采用广义回归神经网络方法，建立振动计算模型；

验证单元，用于根据所述检验标本数据，对所述振动计算模型进行验证。

3.根据权利要求1所述的基于广义回归神经网络的小电阻振动监测方法，其特征在于，所述广义回归神经网络GRNN在结构上由四层构成，分别为输入层、模式层、求和层和输出层。

4.根据权利要求1所述的基于广义回归神经网络的小电阻振动监测方法，其特征在于，所述方法进一步包括：采用EEMD算法对小电阻的振动信号进行分解处理，即：将从箱壁上提取到的原始振动信号进行分解，从复杂的信号中将信号的基本模式提取出来，再对其进行分析处理。