北航神经网络作业—神经网络在采煤机故障诊断中的应用..docVIP

目录 1. 题目分析 1 2. 学习算法 1 3. 单层感知器的VC++程序实现 4 4. 神经网络在采煤机故障诊断中的应用 7 参考文献： 9  题目分析 本章主要讲诉的是主要是神经网络控制及其应用的相关内容，作业题目共有两题，题目要求如下： 1、设计一个实现逻辑“与”的单计算层感知器，并写出其学习算法和程序。 2、紧密结合自己的专业背景、科研方向或解决问题的经历，谈谈学习人工神经网络或神经网络控制的必要性。要求说明自己的科研或专业背景，拟关注的问题或研究方向，与人工神经网络有什么关联。 单层感知器即三层（输入层、隐层和输出层，结点数分别为4、3和2）网络，其学习算法根据教材相关内容采用BP学习算法。 学习算法 根据教材中的相关介绍，神经网络算法主要步骤如下： 初始化，分别对输入层到隐层和隐层到输出层的权值矩阵W, V赋随机数，将样本计数器p和训练次数计数器q置为1，误差E置为0，学习率设为0-1间的小数，网格训练精度Emin设为一正的小数。 输入训练样本，计算各层输出。用当前样本、对向量数组X、d赋值，根据以下公式计算Y和O中各分量： = f() , k= 1,2,3…l = f(), j= 1,2,3…m 计算各节点的实际输出。 ； 调整各层权值，按下式计算和： 检查是否对所有样本完成一次轮训。若完成，则进行下一步进行均方根误差计算；否则，返回步骤2。 计算网络总误差，检查是否达到精度要求。若达到计算要求，训练结束；否则，E置0，p置1，并返回步骤2，继续计算，直到达到精度要求为止。 具体的流程图如下： 单层感知器的VC++程序实现 按照3.1章节的学习算法，即可对其进行计算机编程实现，编程环境采用Microsoft Visual Studio 2008，程序清单如下： #include stdafx.h #include stdlib.h #include stdio.h #include time.h int i=0; int X1[4] = {0, 0,1, 1}，X2[4] = {0, 1,0, 1}; int d[4] = {0,0,0, 1}; //样本X的期望输出值 float w[2]，y,e[4]; float ec=0.0001; //指定输出偏差值 float step = 0.5; //学习步长 float b=0.6; //阈值 //定义激活函数 float f(float x) { if (x0) return 1; else return 0; } //定义学习训练函数 void xx (int i) { y=w[0]*X1[i]+w[1]*X2[i]; y=f(y-b); ec[i]=d[i]-y; } //权值调整函数 void repower(int i) { w[0]=w[0]+step*ec[i]*X1[i]; w[1]=w[1]+step*ec[i]*X2[i]; } int _tmain(int argc, _TCHAR* argv[]) { int count=0;//记录感知器训练次数 //初始化W矩阵 int j; for(j=0;j2;j++){ srand( (unsigned)time( NULL )+j*10 ); w[j]=(float)((rand()%10+1))/100; //随机生成较小的权值 } do { count++; if(count100){ printf( 单层感知器学习训练次数过多，请重新调整初始权值\n); break; } if(i==4) i=0; if(i4) {xx(i); repower(i); i++; } }while(ec[0]ECec[1]ECec[2]ECec[3]EC); if(count100){ printf( 权值矩阵w[0]=%f\n, w[0] ); printf( 权值矩阵w[1]=%f\n, w[1] ); printf( \n经过学习训练%d 次达到要交\n, count ); printf( \n单层感知器学习完成\n); } return 0; } 作业二： 神经网络在采煤机故障诊断中的应用 本人本科阶段就读于中国矿业大学机电工程学院，毕业设计时做的题目为采煤机截割部的相关设计。采煤机是煤矿生产中非常关键的设备，是一个集机械、电子、电气、液压传动于一体的复杂系统。因其工作环境十分恶劣，运行中经常出现故障影响生产，甚至造成整个煤矿生产系统的瘫痪。因此、对采煤机的在线监测和故障诊断是十分必要的。 通过智能控制课程中关于神经网络控制部分的相关学习，我了解到人工神经网络是借