人工神经网络在起重机运行状态监测到中的应用案例2.docVIP

人工神经网络在起重机运行状态监测中的应用 yujianli，zhouruifang，miaomanxiang 郑州航空工业管理学院2、 BP神经网络原理 BP神经网络是一种按误差逆传播算法训练得到的多层前馈神经网络。BP神经网络能学习和存贮大量的输入-输出模式映射关系，但是无必事前揭示此种映射关系的数学方程。BP神经网络的学习方法是最速下降法，通过反向传播来不断调整神经网络的权值与阈值，使BP神经网络的误差平方和最小。BP神经网络模型拓扑结构由输入层、隐层与输出层构成。 图1 BP神经网络结构图 BP神经网络中的正向传播与反向传播构成了其学习过程。正向传播是指用于网络计算，对某一个输入值求出它的输出值；反向传播是指用于逐层传递误差，修改连接权值以及阈值。算法的具体步骤如下所示。 (1) 首先设置训练网络的变量和参数: 为输入向量，也就是训练样本，样本的总个数为； 为第次迭代隐层和输入层间的权值向量； 为第次迭代隐层和隐层间的权值向量； 为第次迭代输出层和隐层间的权值向量； ，为第次迭代网络的实际输出； 为网络训练的期望输出。 (2) 进行初始化设置。赋于较小的随机非零值给 。 (3) 然后输入样本，。 (4)关于输入的样本，前向计算BP神经网络每一层神经元的输入信号与输出信号。 （5）上一步求得的实际输出和实际期望输出计算误差，判断是否满足要求，若满足要求则转至（8）；如