bp神经网络改进算法在电气故障诊断系统中的应用

bp神经网络改进算法在电气故障诊断系统中的应用

ID:10871402

大小:535.58 KB

页数:5页

时间:2018-07-08

bp神经网络改进算法在电气故障诊断系统中的应用_第1页
bp神经网络改进算法在电气故障诊断系统中的应用_第2页
bp神经网络改进算法在电气故障诊断系统中的应用_第3页
bp神经网络改进算法在电气故障诊断系统中的应用_第4页
bp神经网络改进算法在电气故障诊断系统中的应用_第5页
资源描述:

《bp神经网络改进算法在电气故障诊断系统中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、BP神经网络改进算法在电气故障诊断系统中的应用李季1,严东超1,2(11空军工程大学工程学院,陕西西安710038;21西北工业大学自动化学院,陕西西安710072)MomentumBPAlgorithmApplicationinElectricSystemFaultDiagnosisLIJi1,YANDong2chao1,2(1.AirForceEngineeringUniversity,Xi’an710038,China;2.NorthwestUniversityofTechnology,Xi’a

2、n710072,China)Abstract:ThefaultsofACelectromotorofairplaneandthecharac2tersofartificialneuralnetworkareanalyzed.AnimprovedBPneuralnetworkalgorithmwithmomentumtechniqueisappliedtomakeafaultdiagnosisintheelectricequipmentsofairplane.ThesimulatedresultofAC

3、electromotorfaultdiagnosismodelhasproveditseffectiveness.Keywords:electricequipment;faultdiagnosis;neuralnetwork;momentumBPalgorithm;expertsystem摘要:文章将人工神经网络技术、基于动量因子技术的改进BP网络训练算法应用于飞机电气设备故障诊断。以飞机交流异步电动机为例,建立了故障诊断模型。仿真结果表明该算法的应用是可行的,具有较强的推广前景。诊断方法。运用人工神

4、经网络对故障特征进行分析,故障诊断将更加准确、可靠,概念更清晰,使用也会更加方便。本文在原有研究的基础上,采用附加动量因子技术的BP网络训练算法,将它尝试性地应用于飞机电气设备的故障诊断,以期在网络学习速率与效果上得到改善。1BP网络拓扑结构与隐含层节点数的确立111BP网络拓扑结构BP网络是一单向传播的多层前向网络,网络除输入输出节点外,有一层或多层的隐含层节点,同层节点中没有任何耦合。输入信号从输入层节点,依次传过各隐含层节点,然后传到输出节点,每一层节点的输出只影响下一层节点的输出。节点的激活函

5、数必须是可微、非减的,通常取为S型函数。只要有充分的隐层单元,就能够以任意的精度逼近任意的函数,从而表明BP网络可以作为一个通用的函数逼近器1。事实上,基于BP神经网络的故障诊断模型也就是利用BP网络的函数逼近能力,逼近故障的分类边界,从而完成特征空间到故障空间的非线性映射。BP算法将神经网络学习输入输出的映射问题转变为一个非线性优化问题,使用了最优化中的梯度下降算法,用迭代运算修正网络权重,实现网络输出与期望输出间的均方误差最小化。一个典型的三层前馈BP网络的拓扑结构如图1所示。网络通过误差反向传播

6、算法自动学习内部表达(即各节点间的连接权值及隐节点与输出节点的阈值)。关键词:电气设备;专家系统故障诊断;神经网络;动量BP算法;中图分类号:文献标识码:ATM711引言随着现代科学和航空技术的飞速发展,现代飞机上的电子设备日益增多,用电量不断增加,使得飞机电气系统的结构和控制越来越复杂;同时,现代飞机向多电、全电方向发展,以电能代替液压能、气压能已成趋势,这样,飞机电气系统将更为复杂。对电气系统故障特征进行准确的分析,建立必要的故障诊断专家系统,是航空维修相关人员所面临的重点课题之一。飞机电气系统结

7、构复杂,状态参数众多,故障特征与故障之间存在着极为复杂的非线性关系,其突出表现在电动机模块中。人工神经网络具有强大的非线性映射功能,无需单独建模,可以尽可能多地考虑影响故障发生的因素,不管这些因素是确定的还是不确定的,这种方法将可以替代传统的故障Hebb提出的式(1)选取:h=(N+M)015+σ式中:h为隐层节点数;M为输出层节点数;输入层节点数;σ为1至10之间的常数。(1)N为2BP网络改进算法分析图1三层BP神经网络结构Fig113layersBPNeuralNetworkstructure将

8、神经网络用于飞机电气系统故障诊断,需要根据系统设备的特点进行设计,并根据实际问题的需要进行必要的处理。112隐含层神经元数的确立隐含层节点数的确定一直是BP网络设计的瓶颈问题。对于给定的N维M组的学习样本,可证明,要实现其网络映射所需的最少隐节点数为H=M-N-1。人们通常认为模拟精度与网络拓扑结构复杂度成正比,网络拓扑结构越复杂,隐层节点数越多,其模拟精度越高,陷入局部极小的可能性越小。这样导致在实际应用中无限制地增加隐层节点数。但是大量实验结果表明,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。