基于bp神经网络的故障诊断仿真研究 emulation study of fault diagnosis based on bp neural network.pdfVIP

第32卷第6期 电亨工囊师 V01．32No．6 2006年6月 ELECTRONICENGINEER Jun．2006 基于BP神经网络的故障诊断仿真研究 黄文生1’2，李东侠1，陆卫忠3 (1．常州工学院电气工程学院，江苏省常州市213002； 2．苏州大学计算机学院，江苏省苏州市215006； 3．苏州科技学院电子与信息工程系，江苏省苏州市215011) 摘要：介绍了BP(反向传播)神经网络模型，阐述了BP算法的基本原理、权值调整的过程，给出 了BP算法一般的编程步骤和流程。在此基础上，应用基本的BP算法进行了系统故障诊断的仿真研 究，为提高其实用性，采用VCH与MATLAB混合编程的方法，在VC++环境下制作了应用界面。最后 介绍了BP算法在使用中存在的主要问题，并进一步提出了相应的改进方法。 关键词：BP神经网络；BP算法；权值调整；故障诊断；改进方法 中图分类号：TP206．3；TPl83 0引言 BP(反向传播)神经网络模型是人工神经网络的 重要模型之一。通常，BP算法是通过一些学习规则来 调整神经元之间的连接权值，在学习过程中，学习规则 以及网络的拓扑结构不变。然而，一个神经网络的信 图1 3层的BP神经网络 息处理功能不仅取决于神经元之间的连接强度，而且 与网络的拓扑结构(神经元的连接方式)、神经元的输 3层前馈网络中，输入向量为X=(省。，并：，…，菇i， 入输出特性和神经元的阈值有关。 …，Xn)1，如加入‰=一l，可为隐层神经元引入阈值， 本文应用基本的BP算法进行了系统故障诊断的 输出层输出向量为O=(O。，O：，…，O。，…，O∥。，期望 仿真研究，在此基础上在VC++环境下制作了应用界 输出向量为d=(d，，d2，…，d。，…，d∥。，输入层到隐层 面，最后提出了BP神经网络存在的问题及其几种解 之间的权值矩阵用y表示，V=(y，，K，…，K，…， 决方法。 K)。，其中列向量vj为隐层第_『个神经元对应的权向 1前向神经网络的BP算法 量，’，。为输入层第i个神经元到隐层第J个神经元的权 向量，隐层到输出层之间的权值矩阵用w表示，W= BP神经网络的算法又称为误差逆传播算法。该 (wl，w2，…，眠，…，w1)1‘，其中列向量毗，为输出层 算法的学习过程由正向传播过程与反向传播过程组 第k个神经元对应的权向量，Wk，为隐层第J个神经元 成。正向传播过程是依据学习样本的输人向量从输入 到输出层第k个神经元的权向量。各层信号之间的关 层_÷隐含层_输出层逐次修改权值矩值y，W。两个 系如下。对输出层，有 过程反复交替，直至收敛为止。 OI=g(～)k=1，2，…，l 1．1基于BP算法的多层前馈网络模型 多层前向神经网络包含1个输人层、1个输出层、 k=1，2，…，l