運用含分類變量的混合輸入模糊神經(jīng)網(wǎng)絡(luò)對發(fā)電機(jī)的正常行為模型進(jìn)行重構(gòu)建模，得到發(fā)電機(jī)的正常狀態(tài)下的行為模型。要對發(fā)電機(jī)的異常進(jìn)行，首先識別出發(fā)電機(jī)的異常行為模式。異常檢測的目標(biāo)是發(fā)現(xiàn)與大部分其他對象不同的對象。通常，異常對象被稱作離群點，因為在數(shù)據(jù)的散布圖中，它們遠(yuǎn)離其他數(shù)據(jù)點。所謂離群點就是一個觀測值，它與其他觀測值查遍如此之大，以至于懷疑它是由不同的機(jī)制產(chǎn)生的。

運用混合輸入模糊神經(jīng)網(wǎng)絡(luò)對發(fā)電機(jī)的正常行為模型進(jìn)行重構(gòu)建模，得到發(fā)電機(jī)的正常狀態(tài)下的行為模型。要對發(fā)電機(jī)的異常進(jìn)行，首先識別出發(fā)電機(jī)的異常行為模式。對于發(fā)電機(jī)的異常監(jiān)測，發(fā)電機(jī)處于正常的工作狀態(tài)時，通過混合輸入模糊神經(jīng)網(wǎng)絡(luò)所重構(gòu)的發(fā)電機(jī)的狀態(tài)參數(shù)與實際值應(yīng)該是非常接近的。因此，通過模型重構(gòu)出的狀態(tài)參數(shù)與實際值的殘差保持動態(tài)的穩(wěn)定狀態(tài)，并且發(fā)電機(jī)的狀態(tài)參數(shù)數(shù)據(jù)一直保持訓(xùn)練時原有的映射關(guān)系。但是當(dāng)發(fā)電機(jī)出現(xiàn)異常故障的時候，發(fā)電機(jī)的狀態(tài)參數(shù)的數(shù)據(jù)的映射關(guān)系一定會發(fā)生變化，從而導(dǎo)致殘差的異常波動。對殘差進(jìn)行分析，可以對發(fā)電機(jī)進(jìn)行故障診斷。