基于多模型融合的分布式光电仪器突变状态智能检测方法模型

为光电设备正常运行提供有效保障，设计基于多模型融合的分布式光电仪器突变状态智能检测方法模型。采用分布式光电仪器实时运行参数数据作为输入，分别构建KPCA、偏最小二乘算法和Elman神经网络的光电仪器突变状态检测模型，它们分别检测分布式光电仪器突变状态，将它们的输出结果作为输入，利用PSO-RBF神经网络模型对多模型分布式光电仪器检测结果进行融合处理，得到最终分布式光电仪器突变状态智能检测结果。实验结果表明：该模型采集分布式光电仪器电压运行数据较为准确，可有效检测分布式光电仪器突变状态，且其检测结果的决定系数数值较高，具备较为显著的应用效果。