基于BP神经网络的开关电源可靠性预计

《基于BP神经网络的开关电源可靠性预计》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、总第46卷第517期电测与仪表Vo1．46N0．5172009年第01期ElectricalMeasurement&InstrumentationJan．2009基于BP神经网络的开关电源可靠性预计水周真，侯长剑，王芳，王丽杰(哈尔滨理工大学可靠性与传感器实验室，哈尔滨150040)摘要：针对开关电源的可靠性预计问题，提出了基于BP神经网络的预计方法。根据开关电源的各个功能模块选取合适的神经元，确定了神经网络的初始权值、学习步长等性能参数，建立了开关电源可靠性预计的三层BP神经网络模型，进行了开关电源可靠性性能参数的可靠性预

2、计。通过比较分析神经网络法和数学模型法两种方法对开关电源可靠性预计的结果，表明了神经网络法在开关电源的可靠性预计上更加准确可靠。关键词：BP神经网络；可靠性预计；开关电源中图分类号：TBll4．3文献标识码：B文章编号：1001—1390(2009)01—0064—05TheReliabilityPredictionofSMPSBasedonBPNeuralNetworkZHOUZhen，HOUChang-jian，WANGFang，WANGLi-jie(ReliabilityandSensorlab，HarbinUnive

3、rsityofScienceandTechnology，Harbin150040，China)Abstract：ABPneuralnetworkmodelwiththereliabilitypredictionoftheSMPSisproposedinthispaper．TheappropriateneuronsarechosedbyanalyzingthefunctionandstructureofSMPS．Itisprovedthatthepredictedresultsofthismethodaremuchmorepr

4、eciseandcrediblethantheresultsgettingbythetraditionpredictionmeans．Keywords：BPneuralnetworks，reliabilityprediction，SMPS0引言经网络建模，并应用于开关电源可靠性预计中，取得可靠性预堤：运用以往的工程经验、故障数据了很好的效果。和当代的技术水平，预计产品(元器件、零部件、子系1BP神经网络结构和算法统或系统)实际可能达到的可靠度，即预计这些产品一个3层BP神经网络结构如图1所示，包括输在特定应用中完成规定功能的

5、概率。可靠性预计是产入层、输出层和隐含层。各层神经元之间无反馈连品可靠性从定性考虑转人定量分析的关键，也是产品接，各层内神经元之间无任何连接。其中隐含层的状研制过程中一项基础性工程活动。因此，在方案研究态影响输入输出之间的关系，及通过改变隐含层的权和工程研制阶段，应及时地预计、分析系统或设备的系数，就可以改变整个多层神经网络的性能。基本可靠性和任务可靠性，以利于比较不同设计方案的特点及可靠度，选择最佳设计方案，并实施”预计一改进设计”的循环，使产品达到规定的可靠性要求。目前可靠性预计常见方法有：相似产品预计法、数学模型法、条

6、件概率法等。这些方法对带有时序特征呈高度非线性可靠性数据的处理，往往精度不高，带有局限性。BP网络作为当前应用最为广泛的一种人工神经网络圈，由大量简单处理单元广泛互联而成，是一种对非线性函数进行权值训练的多层映射网络，图1BP神经网络示意图采用最小二乘的学习算法，结构简单，工作状态稳定，Fig．1BPneuralnetwork理论上可以实现任意非线性映射翻。本文采用BP神BP神经网络的学习过程由正向传播和反向传播组成。在正向传播中，输入的样本从输入层经过隐含教育部春晖计划资助项目(Z2005—2—15002)．．64—．总第

7、46卷第517期电测与仪表Vo1．46NO．5172009年第0l期ElectricalMeasurement&InstrumentationJan．20o9层之后，传向输出层，在逐层处理的过程中，每一层神的选择经元的状态只对下一层神经元的状态产生影响。在输2．1BP神经网络的建立出层把现行输出和期望输出进行比较，如果现行输出为了保证网络的性能和控制计算的精度，输入单不等于期望输出，则进入反向传播过程。反向传播过元不易太多，本文采用自组织算法筛选出对网络输出程中，误差信号从输出层向输入层传播，并对每个隐最有影响的变量作为BP

8、网络的输入节点昀，把电源含层的各个神经元的权系数进行修改，使误差不断减系统分为八个独立的子系统，同时考虑到电源工作的少，直至达到精度要求。BP算法的实质是求取误差函环境条件，加人相应的环境因子，同八个子系统一同数最小值问题，通过多个样本的反复训练，一般采用作为输入神经元，把整个系统的失效率