Описаны этапы создания универсального интеллектуального алгоритма диагностики на основе нейронных сетей и показано его применение для диагностирования высоковольтного коммутационного оборудования. Основное внимание в статье уделяется последнему этапу разработки алгоритма диагностики, который заключается в оптимизации таких параметров нейронной сети, как количество нейронов в слое, количество скрытых слоев в нейронной сети, параметр скорости обучения сети, количество эпох (итераций) при обучении сети. Приведены следующие этапы разработки: алгоритм диагностики, методы обработки информационного сигнала, решение оптимизационной задачи. Представлен разработанный алгоритм выбора информативного диапазона из избыточного потока измерительных данных и оптимизационные возможности генетических алгоритмов, примененные для оптимизации параметров нейронной сети диагностической системы. Описанные алгоритмы смоделированы в среде Octave, в качестве объекта диагностирования был выбран высоковольтный выключатель типа МКП 110М.

It describes the steps for creating the universal intelligent diagnostic algorithm based on neural networks and show its application for the diagnosis of high-voltage switchgear. The main attention is paid to the final stage of the development of diagnostic algorithm, which is to optimize the neural network parameters such as the number of neurons in the layer, the number of hidden layers in the neural network, the speed of network training, the number of epochs (iterations) for network learning. It contains the following stages of development: a diagnostic algorithm, methods of information signal processing, the solution of optimization problems. Presents the developed algorithm of informative range selecting from excess measurement data flow and optimization capabilities of genetic algorithms applied to optimize the neural network of diagnostic system. The algorithms are simulated in the environment of Octave, high-voltage switch of type MCP 110M was chosen as the object of diagnosis.