摘要:为了提高建筑电气故障诊断的正确率,提出小波消噪和人工蜂群优化神经网络的建筑电气故障诊断模型。首先采用小波分析对采集的建筑电气状态信息进行处理,并提取建筑电气特征,然后将训练样本输入到多层前馈(BP)神经网络进行学习,并采用人工蜂群算法优化BP神经网络的参数,建立建筑电气故障诊断模型,最后采用仿真实验对模型的性能进行测试。实验结果表明,相对于其他建筑电气故障诊断模型,模型可以较好地描述建筑电气状态信息,不仅提高了建筑电气故障诊断的正确率,而且提高了故障诊断的速度,具有更高的实际应用价值。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社