基于优化的bp神经网络柴油机燃料系故障诊断仿真研究

《基于优化的bp神经网络柴油机燃料系故障诊断仿真研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于优化的BP神经网络柴油机燃料系故障诊断仿真研究【摘要】神经网络具有并行处理能力、自学习能力，自适应能力和可以逼近任意的非线性函数等特点，是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径，神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络，然后利用训练好的神经网络进行柴油机故障诊断，得出诊断结果，使故障诊断具有人工智能化。【关键词】BP神经网络;优化;故障诊断;仿真BasedonOptimizedBPNeuralNetworkSimulationStu

2、dyonFaultDiagnosisofDieselEngineFuelSystemWANGShi-wu（Dept.ofEquipment，BengbuAutomobileNCOAcademy，BengbuAnhui233000，China）【Abstract】Theneuralnetworkhasmanyabilities：parallelproeessingself-leaningandself-adapting，approachinganynonlinearfunctionetc，itisaneffectiv

3、ewaytodealwithcomplexdiagnosisproblemofnonlinearmultivariableand10uncertainty，Neuralnetworkofthesecharacteristicsmakesitapplymoreandmoreextensiveinthefieldofthefaultdiagnosis.Inthispaper，usestheLMimprovementstudyalgorithm，usethewell-trainednervenetworktocarrie

4、sonthedieselenginefaultdiagnosisanddrawntheresult，alsoenablethefaultdiagnosistohavetheartificialintellectualization.【Keywords】BPnervenetwok;Optimize;Faultdiagnosis;Simulation1BP神经网络BP神经网络是多层前馈神经网络，它的名字源于网络权值的调整规则，采用的是后向传播学习算法，既BP算法。BP网络是目前应用最广的神经网络之一，BP网络是由一个输

5、人层，一个或多个隐层以及一个输出层组成，如图1所示，上下层之间实现全连接，而每层神经元之间无连接。网络的学习过程包括正向传播和反向传播。在正向传播进程中，输入信息从输入层经隐层加权处理传向输出层，经功能函数运算后得到的输出值与期望值进行比较，若有误差，则误差反向传播，沿原先的连接通道返回，通过逐层修改各层的权重系数，减小误差。随着这种误差逆向传播修正的不断进行，网络对输入模式响应的正确率也不断上升。10图1三层BP模型神经网络研究表明，带有两个隐层的BP网络能形成任何形状的决策区域。当BP网用作非线性映射时，允许网

6、络实现输入到输出之间的任意映射关系，即可建立故障征兆空间与故障空间的某种映射关系，每当给出一个实测的故障征兆矢量，网络即能通过状态演化（前传和联想）收敛到与其最相近的模式，从而诊断其故障原因。典型的基于神经网络模式识别的故障诊断系统结构如图2所示。图2基于神经网络模式识别功能的故障诊断系统结构2BP神经网络的不足BP神经网络模型虽然在各方面都具有重要意义，而且应用也很广泛，但它也存在一些不足。从数学上看，它是一个非线性优化问题，不可避免的存在局部极小点，学习算法的收敛速度慢，网络隐层单元数选取带有很大的盲目性和经验

7、性，新加入的样本要影响已学完的样本等。10具体来说，BP算法对样本进行逐个学习时，常会发生“学了新的，忘了旧的”的遗忘现象。故此值得对样本不断循环重复，这样一来其学习时间必然延长。为了克服这个缺点，将逐个学习改为批量学习，即对所有样本都进行学习后将其误差相加，然后用这个误差之和来对网络的权系数进行调整。但是这样一来，在误差求和时，这些误差有可能互相抵消，这就降低了算法的调整能力，也就是延长了学习的时间。所以，按批量学习其收敛速度也会很慢。同时，批量学习方法还有可能产生新的局部极小点。比如各误差不为零，但其总和为零，

8、这种情况发生后算法就稳定在这个状态上，造成新的局部极小点。3BP神经网络学习算法的优化为了提高神经网络算法的学习效率及稳定性，在反向传播（BP）算法中可以引入基于非线性最小二乘法的Levenberg-Marquart（LM）最优算法，替代原BP算法中的梯度下降法寻找最佳网络连接权值。LM算法是一种优良的非线性最小二乘优化方法，这种方法的一般模型为：F（x）=