基于超球体UKF径向基神经网络的抽油机故障诊断研究

针对抽油机运行过程中具有强耦合、多变量、参数时变等特征,传统神经网络难以建立准确有效的故障诊断模型,本文提出一种基于超球体无迹卡尔曼滤波的径向基神经网络算法(AUKFRBF)。算法利用UKF优化RBF神经网络隐含层到输出层权值、隐含层节点的中心及宽度,建立UKF-RBF故障诊断模型,利用超球体无迹变换构造简单、误差更小等优点,对每个集合成员进行无迹变换得到Sigma点集,缩短了故障诊断时间。将该方法应用到抽油机故障诊断中,实验结果表明了算法的有效性。