BP算法在车灯调节装置故障诊断中的应用研究.pdfVIP

维普资讯

BP算法在车灯调节装置故障诊断中的应用研究陈永刚

f

BP算法在车灯调节装置故障诊断中的应用研究

TheStudyOnApplicationofBPAlgorithminFaultDiagnosisof

HeadlampControJUnitforAutomobiles

．阁f遁f誊采型(上海理工大学，上海

美键词：^工神经网络反向传播算法故障诊断车灯典型的BP网络是三层前馈阶层网络，印输入层、

调节隐含层(也称中间层或特征抽取层)和输出层，各层之

KO_：AltH，d_lmural耻忡ork(ANN)Back0p_·间实行全连接．如图1所示。图中隐含单元与输入单

IlI拳—吐InFaultdI帅幽H脚dcola-元，输出单元与隐含单元之间，通过相应的连接权逐个

叫fornl8相互连接。其中为输入层单元的个数，p为中间层

摘要首先舟绍了人工神经网络的基本原理．擦后详细介单元的个数，口为输出层单元的个数。

绍神经网络反向传播算法．包括BP网络的基本鲒构厦学习

算法、最后研完了人工神轻网络BP算法在车灯谓节孽置故

障中的应甩。通过样本训练和检验，验证了人工神经网络

BP算法在车灯调节装置故障诊断的可行性

A喇TkbasicI|coftheartificialneuralnetworkisirate·

dl】c曲．Thenfileback~tienalgorithmofr~uralnetwork．

basics~laettlre0fBPnehvwkandlearningago．th~aredescribedin

detail．Fma]JyI1．eapofazdf~ialneuralnetworkBPalgo—■出最

l【infaultd。sofdI唧ofaulsmohi]esarestudied

图l三层前馈阶层网络基本结构

Th．~gh8tL-~etrainingandsaav~,II．efeasibilityof吨即蜘一

lII珊infimhdisof}哪dI耳叩c邮Ⅱdunitforautmmbileshas2．2BP网络的学习算法

beenp~oven．要使神经网络产生所希望的行为，必须对其进行

训练，印通常所说的网络学习。学习时，每条连接弧都

1人工神经网络的基本原理

在不断的调整自己的权值，以使神经阿络的实际输出

在数学上+可以把人工神经网络看作数学映射问和期望输出之间的方差达到最小，学习的效果直接影

题。神经阿络的重要功能之一就是可以高度逼近任意响到网络的预测精度。

两个不同维数空间的非线性映射．若人工神经网络的BP算法的学习过程主要由正向传播和反向传播

输入单元数为m．输出单元，则在m维欧氏空间中组成，在正向传播的过程中，输入信息经隐含层单元处

有一个有界子集A，存在着一个到欧氏空问中有一个理并传向输出层，如果输出层不能得到期望的结果，则

有界子集，(A)的映射+即转入反向传播过程，将实际值与网络输出之间的误差

FA[R．r=()由原来的联结