基于改进的BP网络的矿用风机故障诊断方法研究.pdfVIP

基于改进的BP网络的矿用风机故障 诊断方法的研究e 赵金鑫许宝杰100192北京信息科技大学机电系统测控北京市重点实验室 摘要介绍了BP网络的基本原理。并对BP网络进行改进。基于此网络提出了一种矿用风杌故障的 诊断方法，避免了人为的主现臆断或错误判断，通过实验验证，本方法的诊断结果准确、可靠。有广泛的应 用价值。 关徒词人工神经网络矿用风机故障诊断 1概述 、 众所周知．煤矿的通风系统，在煤矿的安全生产中起着至关重要的作用。通风系统的安全状态与煤矿其 他系统的运行状态及变化密切相关，是整个煤矿中决定生产安全的一个非常重要的系统，而风机作为煤矿通 风系统的关键设备，其运行状态的好坏。直接影响生产的正常进行和工作人员的生命安全，对其故障及早作 出诊断，不但可以提高设备的利用率，延长其工作寿命，而且还能防止重大事故的发生．具有巨大的经济效 ’ 益和社会效益。 2 BP网络的结构 Neural 人工神经网络简称为ANN(ArtificalNetworks)，它是在现代神经生理学和心理学的研究基础上， 模仿人的大脑神经元结果特性而建立的一种非线性 期 动力学网络系统．它是理论化的人脑神经网络的学 yl 癣 习模型，由大量的人工神经单元广泛连接而成。尽 恐 管人工神经网络不是人脑神经系统的逼真复制．但 彤 它确实反映了人脑功能的若干特性。可以完成学习、 玛 记忆、识别和推理等功能。 崩 目前，在众多的神经网络中，误差反向传播 圈1三层网络BP结构 (Back--Propagation)网络由于其良好的逼近能力和 成熟的训练方法而得到了广泛的应用。它是一种多层前馈神经网络。由一个输入层、一个输出层和若干各隐 含层所组成。位于同～层的单元之间不允许有连接，各层的单元只能向高层的单元输出激活信号。它的每一 层连接权值都可以通过学习来调节。其结构如图1所示。 3 BP网络的学习 BP网络采用的是误差反向传播学习算法，它的缺点是训练速度较慢。人为的加快训练速度可能会引起 系统的振荡，并且在训练过程中很容易陷入局部最小而达不到最优的情况。为克服上述缺点。对传统BP网 络进行改进。在向网络提供了学习样本后，网络将按照以下步骤学习： 1)输入层神经元的输出等于其输入，隐层及输出层各神经元的输出按照式(1)计算。 (1) D善’(n)=．7；[net。j’(玮)]=石[军以”(n)D：卜¨(珏)一彰(n)] 其中，幻：n为凡时刻从第z层神经元．『到第1-1层神经元i的连接权值；o：’(n)为，l时刻在样本P下第z 1 层第j个神经元的输出；fj为第z层第J个神经元的变换函数，在这里取Sigmoid函数，即／(膏)=点。 ttC 2)计算训练误差 529 输出层： 彰’=0。Ct’(n)}[1一喇’(珏)][％一。等’(n)]} (