bp算法研究与在汽轮机故障诊断中应用

《bp算法研究与在汽轮机故障诊断中应用》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、第52卷第l1期电测与仪表VOI．52No．112015年6月1O日ElectricalMeasurement&InstrumentationJun．10，2015BP算法的研究及在汽轮机故障诊断中的应用宋人杰，史海丽，刘利渊(东北电力大学，吉林吉林132012)摘要：运用Nguyen—Widrow方法初始化Levenberg．Marquardt算法中的变量参数，在此基础上，L—M算法在训练神经网络中的应用，减少了网络训练时权值和阈值的调整次数，加快了算法收敛速度，保证了误差为误差平面的全局最小值，并将使用N-w方法的L

2、-M算法应用于汽轮发电机的故障诊断。经理论和实践证明该方法提高了故障诊断的准确性和可靠性，并为转动机械提供了有效的故障诊断方法。关键词：L-M算法；N—W方法；BP神经网络；汽轮发电机；故障诊断中图分类号：TM93文献标识码：B文章编号：1001—1390(2015)11—0112—05ResearchontheBPalgorithmandapplicationinsteamturbinefaultdiagnosisSongRenjie，ShiHaili，LiuLiyuan(NortheastDianliUniversi

3、ty，Jilin132012，Jilin，China)Abstract：Nguyen—WidrowmethodisusedtoinitializethevariableparametersoftheL—Malgorithm，andbasedonwhichtheapplicationofLevenberg—Marquardtalgorithminneuralnetworktrainmgcanreducethenumberofthead—justmentoftheweightandthresholdvalue，speedup

4、theconvergencespeedofBPalgorithmtoensureerrortobetheglobalminimumoftheerrorplane，andapplytheL—MalgorithmcombinedwithN—Wmethodforfaultdiagnosisofsteamturbine．Thetheoryandpracticehaveprovedthat：thismethodhasimprovedtheaccuracyandreliabilityoffaultdiagnosisandprovid

5、edeffectivemethodfortherotationmaehinaryfaultdiagnosis．Keywords：L—Malgorithm，N-Wmethod，BPneuralnetwork，turbogenerator，faultdiagnosis0引言降比较快，随后由于梯度趋近于零，使得误差曲线基BP神经网络因其结构简单、可塑性强、对于非线本不下降；而L．M算法在基于一阶偏导数的梯度下性函数可以任意逼近、具有很强的容错性，而被广泛降法和二阶偏导数的牛顿法之间自适应变化，加快应用到故障诊断中。算法的选择在

6、BP神经网络中了收敛速度，增强了网络的泛化性能，在训练时间和尤为关键，例如，梯度下降法的程序和方法简单、计准确度上明显优于梯度下降法。文章采用结合N-W算量相对较小，具有一定的训练效果，应用广泛。但方法的L—M算法，建立BP人工神经网络模型，进行当它接近最小值时收敛速度慢，易陷人局部极小值，汽轮发电机故障诊断的仿真研究，获得了十分满意权值和阈值很难调整等问题，而有待进一步优化。的效果。因此，文章提出了结合N—W方法的L—M算法的BP1L．M神经网络算法神经网络，该算法首先运用N—w方法初始化神经网1．1L．M算法分析络的

7、权值和阈值，然后使用L．M算法训练网络。L—M算法是一种实现最小平方误差的神经网络N—w方法是通过调整隐含层神经元的权值和阈训练算法。下面对L．M算法进行简要分析：设权值值，使输入区间被隐含层神经元的线性区间均分，这和阈值矗次迭代所组成的向量为，则：样减少了网络训练过程中权值和阈值的调整¨j。L—()=(+A(1)M算法是一种利用标准数值优化技术的快速算法，网络误差的平方和为：结合了高斯一牛顿法的局部性和梯度法的全局性。E()=1Ne()(2)梯度下降法可能会“之”字形地下降，在刚开始下一112一第52卷第l1期电测与仪

8、表Vo1．52No．112015年6月1O目E

9、eetriealMeasuFement&InstrumentafionJun．10，2015式中e()为误差(i=1，2，⋯，Ⅳ)，则有：为输出层第1个神经元的阈值；O为输出层第z个神VE()=．，()e()(3)经元的输出；为输入层第i个神经元到隐含层第VE(戈)：J