资源描述：
《用于故障模式识别的自适应模糊训练BP网络.pdf》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、第卷第期燕山大学学报年月!用于故障模式识别的自适应模糊训练网络刘彬谢平‘3J、,‘4j摘要针对算法固有的收敛速度慢和局部极小等问误差函数法动态学习法等这些算法分别,,、题在对己有改进算法进行研究的基础上提出了用针对网络学习参数拓扑结构及寻优机制等不同问,于在线故障模式识别的自适应模糊加速训练算法可在网,题提出改进其共同的特点是给出
2、根据学习过程中络学习过程中,,对网络拓扑结构、学通过模糊推理习因。,、,的性能指标对网络的自适应调整策略然而用于子惯性因子及激励函数进行自适应调整实例验证表明该算法具有收敛速度快、不易陷入局部极小、网络综合性故障模式识别的BP网络在训练过程中还存在以下:,能好等特点。问题l)由于机械故障类别及形式复杂多样对,,,,于不同的识别问题难以选用合适的学习参数及训关键词故障模式识别网络模糊加速训练自适。、应调整。练调整策略同时当学习参数拓扑结构及寻优机制中某一项或几项选择不当,而单纯对其中的一项!
3、!,。,进行调整有时并不能改善网络性能2)各种整,。,】定参数难以精确选定及调整具有一定的模糊性己有网络自适应调整策略及经3)缺乏一种能描述。验的直观灵活的智能实
4、现机制,,,针对以上问题本文提出了一种采用模糊推理,!∀#实现网络自适应参数调整的模糊训练算法可实现川、、、网络结构搜索机制学习因子惯性因子及学习,,,,步长的综合整定更大程
5、度地加快了收敛速度增&,!∀#∃%。加乙守强了网络对不同故障识别问题及样本的适应性0引言自适应模糊训练算法(AF)研究TA,BP网络由于其具有良好的非线性映射能力,,本文选取三层BP网络在训练过程中针对在生产过程控制、信息处理及模式识别等很多领域网络结构和学习参数两方面的自适应调整方案相。得到了广泛应用但因BP算法本质上是一种梯度,。结合并建立了相应的模糊调节器,法存在固有的收敛速度慢及易陷入局部极小等问.,,题从而构成了对实际应用的一个很大障碍在机11结构自整定算法(sRA)械故障监测方面则体现为难以实时在线
6、地进行故,在前向神经网络的学习过程中发现网络结构。,障模式识别为此研究人员提出了许多有效的改的选取对其性能有很大影响。由于在网络拓扑结构,、、‘”‘2,,,进方案如自适应调整参数法冲量法改进中输入输出节点是由问题本身确定的因此结构2000年8月1日收到。河北省教委科研资助项目(2000218)。uBin,eping,,ecollegeofEleetriealEngineeri,lsnvers,刘彬(Li)谢平区i)燕山大学电气工程学院秦皇岛066004(Thngy山hanuiity。naoigd066004Qua)nh第4期刘彬等用于故障模式识别的自适应模糊训练BP
7、网络,一、、“31的确定决定于隐层的层数及隐节点数其困难主要调整方案分别针对学习率动量因子学习步在于隐节点的选取。隐节点少,学习过程可能不收长及激励函数、误差函数等进行经验及自适应修;,。、敛隐节点多会出现节点冗余且网络性能会下降改本文给出了学习率,动量因子以及siofd激gm(如降低泛化能力且出现过度拟和现象)。为此出现励函数坡度系数k的模糊调整策略。,了一‘圳系列调整网络结构的拓扑修正算法其中,,首先基于误差反传算法的三层BP网络其,文献【5]给出了一种变结构神经网络可对任意引入冲量项的权值修正公式如下,,给定的初始网络结构根据学习衰减率的变化调。,琳/一叮
