孙海蓉，王 蕊,2，耿军亚,2

(1.华北电力大学控制与计算机工程学院，河北保定 071003；2.华北电力大学河北省发电过程仿真与优化控制工程技术研究中心，河北保定071003)

基于信息熵和BP神经网络的故障分类方法

孙海蓉1，王 蕊1,2，耿军亚1,2

(1.华北电力大学控制与计算机工程学院，河北保定 071003；2.华北电力大学河北省发电过程仿真与优化控制工程技术研究中心，河北保定071003)

为了实现电厂运行中设备故障类型的快速、准确判断，解决神经网络因输入量增多导致收敛速度大幅降低的问题，将基于近似决策熵模型的属性约简算法结合BP神经网络进行故障分类预测。基于信息熵的属性约简算法对故障样本数据进行预处理，得到约简决策表,将约简数据样本作为BP神经网络的输入进行训练，预测故障分类。将该方法用于汽轮机振动故障诊断，结果表明：有效降低了神经网络的输入维数，简化了网络结构，获得了较高的分类精度，同时降低了计算开销，对快速判断故障类型，提高维修效率，具有工程实用价值。

粗糙集；神经网络；近似决策熵；故障分类预测；汽轮机

0 引言

设备故障诊断方法主要有三种，分别是基于信号处理的方法、基于解析模型的方法和基于知识的诊断方法。近年来，随着人工智能及计算机技术的进步，基于知识的故障诊断方法发展迅速。基于知识的故障诊断方法包括神经网络法、故障树法、数据驱动法以及粗糙集法[1]等。由于现有设备系统的复杂性，现有诊断方法难以满足诊断要求，且无法满足在线诊断的要求，因此多种诊断方法融合的诊断方法得到关注。……