基于Spiking的RBF神经网络故障诊断算法.pdfVIP

第 27卷 第 4期 北 京 建 筑 工 程 学 院 学 报 V01．27 NO．4 2011年 12月 JournalofBeijingUniversityofCivilEngineeringandArchitecture Dec．2011 文章编号：1004—6011(2011)04—0057—05 基于 Spiking的RBF神经网络故障诊断算法 霍一峰 ， 王亚慧 (北京建筑工程学院 电气与信息工程学院，北京 100044) 摘 要：神经网络是一种不依赖模型的控制方法，其 自身并不需要给定预先需要的有关先验知识 和判断函数 ，因此能对变化的环境 (包括扰动和噪声信号等等)具有 良好 的 自适应性．RBF神经网 络是具有单隐层的三层前馈 网络 ，由输入到输 出的映射是非线性的，而隐含层空间到输 出空间的映 射是线性的．其优点在于收敛速度快 ，具有唯一最佳逼近 的特性，且不会 陷入局部最小的问题． Spiking神经网络采用时间编码的方式来进行数据处理 ，更接近 于实际生物神经系统．基于 Spiking 的RBF神经网络在预测精度和误差控制上有着显著的效果． 关键词 ：RBF神经网络 ；Spiking；故障诊断 中图分类号：TP183 文献标志码 ：A FaultDiagnosisofRBF NeuralNetworkBasedonSpiking HuoYifeng， WangYahui (SchoolofElectricityandInformationEngineering，BUCEABeijing100044) Abstract：Neuralnetwork isoneoftheindependentcontrolmethods，which neednotthe given priori knowledgeand diagnosisfunction．Neuralnetworkhasagood adaptabilitytothechangingenvironment (includingdisturbanceandnoisesignal，etc)．RBFneuralnetworkisathreelayersfeedforwardnetwork withonesinglehidden layer．Themappingfrom the inputto thehidden layerisnonlinearand the mappingfrom thehiddenlayertotheoutputislinear．RBFneuralnetworkhasaquickconvergencerate， ． theuniquenessoptimalapproximationandwillnotfallintolocalminimum．Spikingneuralnetworkadopts timeencodingto processdata，which ismoreclosed to therealbiologynervoussystem．RBF neural networkbasedonSpikingcodinghasaremarkableeffectinforecastaccuracyanderrorcontro1． Keywords：RBF neuralnetwork；Spiking；faultdiagnosis 目前 ，常用 的神经网络拓扑包括前向型、反馈型 较强的场合的应用受到限制．RBF径 向基神经网络 和 自组织竞争型等．应用较广 的 BP神经 网络和 是一种局部逼近网络，对于每个训练样本 ，只需要对 RBF神经网络是典型的前 向型神经 网络．其 中，BP 少量的权值和阈值进行修正，因此训练速度快．本 神经网络在训练过程中需要对