BP神经网络改进算法在核电设备故障诊断中应用.pdfVIP

第28卷第4期 核动力工程 Vbl．28．No．4 2 OO NuclearPower 00 7 7年8月 Engineering Aug．2 文章编号：0258-0926(2007)04．0085．06 BP神经网络改进算法在核电设备 故障诊断中的应用 谢春丽1一，夏虹1，刘永阔1，刘邈1，张宝锋1 (1-哈尔滨工程大学核科学与技术学院，15000l；2．东北林业大学交通运输工程学院。150040) 摘要：根据训练误差大小自适应调整神经元输入特性参数，并应用改进的遗传算法对神经网络的权值和 隐含层数目进行优化，对传统的人工神经网络误差反传算法进行了改进，使训练算法的收敛速度大大提高。 将人工神经网络技术和改进的BP网络训练算法应用于核电设备故障诊断，并以核电蒸汽发生器U形管破裂 为例，建立了故障诊断模型。仿真结果表明，该算法的应用是可行的。 关键词：核电设备；故障诊断；神经网络；改进BP算法 中国分类号：TL36文献标识码：A 1 引 言 从而表明BP网络可以作为一个通用的函数逼近 核电设备结构复杂，状态参数众多，故障特 器f11。 征与故障之间存在着极为复杂的非线性关系，而 典型的三层前馈BP网络的拓扑结构如图l所 神经网络具有强大的非线性映射功能，无需单独 示。网络通过误差反向传播算法自动学习内部表 建模，可以尽可能多地考虑影响故障发生的因素， 达(即各节点间的连接权值及隐节点与输出节点 不论这些因素是否确定，其方法将可以替代传统 的阈值)。在进行BP网络设计时，一般从网络的层 的故障诊断方法。运用人工神经网络对故障特征 次、每层中的神经元个数和学习速率等方面进行 进行分析，故障诊断将更加准确、可靠，概念更 考虑。将神经网络用于核电设备故障诊断，需要 清晰，使用也会更加方便。本文在原有基础上， 根据系统设备的特点进行设计，并根据实际问题 采用了根据训练误差大小自适应调整神经元输入 的需要进行必要的处理。 特性参数，并应用改进的遗传算法对BP网络的 权值和隐含层数目进行优化，将其方法尝试性地 应用于核电设备的故障诊断，以期在网络学习速 率与效果上得到改善。 2 BP网络的拓扑结构与改进算法 2．1 BP网络拓扑结构 隐含层 BP网络是一单向传播的多层前向网络，网络 图l三层BP神经网络结构 除输入输出节点外，有一层或多层的隐含层节点， NeuralNe咖rkS仃uctu他 F培l11lr∞Laye塔BP 同层节点中没有任何耦合。输入信号从输入层节 点依次传过各隐含层节点，然后传到输出节点， 2．2 BP网络改进算法 每一层节点的输出只影响下一层节点的输出。节 BP网络采用的激活函数为Sigmoid函数 点的激活函数通常取为s型函数。只要有充分的隐 含层单元，就能够以任意的精度逼近任意的函数， m)=[1+d一盯 收稿日期：200∞9．08；修回日期：20嘛12-傩 万方数据 核动力工程 Vbl．28．No．4．2007