bp神经网络在故障诊断中的应用.docxVIP

bp神经网络在故障诊断中的应用 缺损反馈传播（bp）是目前研究中最成熟的神经网络结构之一。它具有自学、组织、适应性、联想记忆和容错能力等特点，在故障诊断领域发挥着广泛的作用。但BP神经网络在应用时仍存在一个难以突破的问题:难以快速确定最优的隐层单元数。笔者在对国内外学者提出的经验公式方法研究分析的基础上, 提出一种在经验公式基础上改进的快速寻找最优隐层单元数的方法。并以齿轮箱故障数据为样本, 通过Matlab仿真, 研究采用不同方法确定的BP网络结构性能。 1 不同隐层的神经网络 BP神经网络是一种多层的前向型神经网络。BP神经网络通用结构如图1所示, 由输入层 (Input layer) 、隐含层 (Hidden layer) 和输出层 (Output layer) 组成。隐含层的数目不定, 可以根据实际需要选择。有学者提出, 拥有2个隐层的神经网络可以适用于任何形式的分类问题, 有一个隐层的BP网络可以逼近任何一个闭区间内的连续函数。在本文中采用3层前馈BP神经网络。 2 隐层节点数的选择 目前, 对于一个整体结构已经确定的神经网络来说, 如何选取最优的隐层神经元数还没有一个完善的理论指导。隐层节点数的选择对网络性能影响很大, 若节点数太少, 网络获取的有用信息就少, 容错性差;若节点数过多, 不仅增加训练时间, 而且会将样本中非规律性的内容存储进去, 还可能会出现“过度吻合