人工神经网络在汽轮机故障诊断中应用的研究.pdfVIP

人工神经网络在汽轮机故障诊断中 应用的研究 程卫国 (上海发电设备成套设湘院所，上海市200240) 摘要：首先简要综述了人工神经网络的基本理论及概念。对人工神经网络的BP算法进行了深 入的研究，并针对BP算法的一些缺陷和隐层的作用机理，对三层感知器网络的算法作一些修改． 推出新的学习算法，使计算不会陷人局部极小，并加快了收敛速度。 研究了汽轮机振动故障的机理，建立了汽轮机振动故障原因和征兆表，用来分析和诊断汽轮机的振 动故障，使用MATLAB仿真较件的神经对络工具箱。设计构造了针对汽轮机振动故障诊断的人工神 经网络．并使用FOXPRO开发了基于人工神经网络的汽轮机故障诊断小型软件。， 关t词：故摩诊断人工神经同络BP(Back*opagation)算法鼢TL蛐应用 ，’ ，＼ ／ 1．人工神经网络BP算法的研究 1．1BP网络简介 人工神经网络有很多模型，目前，应用最广、其基本思想最直观、最容易理解的是多层前馈 神经网络及误差逆传播学习算法(Error Back—Propagation)。人们将按这一学习算法进行训练 的多层前馈神经网络简称为BP网络。 BP网络的基本特点分析 (1) BP网络是一种具有三层或三层以上的多层型神经网络，其结构如图1—1所示。 (2)网络按有教师示教的方式进行学习，采用“误差逆传播算法”。随着这种误差逆传 播，对连接权的不断修正，网络的输入对输出的映射关系(响应)的准确率不断上 升。 (3)神经元的变化函数为f(x)=嘉，因为f(xJ所划分的区域不是线性划分，而是 由一个非线性的超平面组成的区域，它是比较光滑的任意界面，因而它的分类比线 ‘4】I}一向9 性划分更精确、合理。另外，它有一个重要的特点就是f(x)=专是连续呵微的 它可以利用梯度法进行推算，使权值和阈值的学习解析式很明确。 yl y2 图1—1典型的三层BP网络 (4) BP网络的学习过程中，调整权值和阈值的方法尽管有所不同，但目前常见的调 整方法如下： Avjt-“×dek×舛 f】+1) Aw日=13×ejl×x÷ (1．2) ejk=[∑d?×Vj。1×bjk(1一衅)(1．3) 式(1-1)一式(1-3)中。u、13为学习率，Vjt为中间层至输出层的权值，△ vj。为中间层至输出层的权值调整量，△wij为输入层至中问层的权值调整量，d÷ 为输出层误差校正量，ejk为中间层误差校正量，x÷为输入层输入，bjk为中间层输 出，k为学习样本。 BP算法的主要缺陷分析 (1) 数学的角度来看，BP算法是一个非线性优化问题，这就不可避免地存在局部极小值 的问题。 (2) BP算法的收敛速度慢。 (3) Bp网络的中间层个数的选取尚无理论上的指导。 (4) BP网络的运行是单向传播，没有反馈，这种模型并不是一个非线性动力系统，而只 是一个非线性的映射。 脚一巧西 1。2对BP算法的改进 针对BP算法的一些缺陷及隐层的作剐机理，对三层感知器的算法做j’些修改．挺mJ’