bp人工神经网络在全自动洗衣机故障诊断中的应用

《bp人工神经网络在全自动洗衣机故障诊断中的应用》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、http://www.paper.edu.cnBP人工神经网络在全自动洗衣机故障诊断中的应用戴永贤，杨旭辽宁工程技术大学理学院，阜新（123000）E-mail：ivy_jay@163.com摘要：基于人工神经网络的基本原理，本文研究了BP算法在全自动洗衣机故障诊断方面的应用。关键词：人工神经网络，BP算法，故障诊断1.引言随着人们生活水平不断的提高，家用电器已进入千家万户，全自动洗衣机更是得到了人们的亲睐，给人们带来方便和清洁的同时也成为了重要的家庭必备品之一，这就更需要洗衣机各方面的功能齐全，尤其在故障诊断维修上要求更高的水平。对于目前大部分洗衣机中无故障诊断系

2、统，当系统出现故障以后，维修人员无法及时、准确的作出诊断，这种情况应该得到改善。[2]故障诊断FD(faultdiagnosis)是一种了解和掌握设备在使用过程中的技术，确定其整体或局部是否正常，早期发现故障及其原因并能预报故障发展趋势的技术。在诊断过程中，必须利用被诊断对象表现出来的各种有用信息，经过适当地处理和分析，做出正确的诊断结论。[1][3]本文在基于人工神经网络的基本原理，给出一定训练样本，并研究BP算法在全自动洗衣机故障诊断当中的应用。2.人工神经网络应用于洗衣机故障诊断中的基本原理2.1人工神经网络基本原理[1]人工神经网络(ArtificialNe

3、uralNetwork．简称ANN)正是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。典型的神经网络结构图如图1：输入层隐层输出层图1典型的神经网络结构图-1-http://www.paper.edu.cn2.2反向传播学习算法（BP算法）的原理及规则2.2.1BP算法的原理[3]反向传播（BackPropagation）学习方法也称

4、BP算法，相应的神经网络也称BP网络，它是一种多层前馈网络，具有三层或三层以上的神经网络，包括输入层、隐层、输出层。上[4]下层之间完全连接，而每层神经元之间无连接。BP算法是采用梯度下降方法，使得网络实际输出（计算输出）与期望输出（目标输出）的均方差达到最小，网络的学习过程是，将输出层误差反向传播回去，并借以修正权值。2.2.2BP算法的学习过程及步骤首先，我们对各个需要的符号的形式及意义进行说明：(1)网络输入向量P=()a，a，L，ak12n(2)网络目标向量T=(y，y，L，y)k12q(3)隐层单元输入向量S=(s，s，L，s)，输出向量B=(b，b，L，

5、b)k12pk12p(4)输出层单元输入向量L=(l，l，L，l)，输出向量C=(c，c，L，c)k12qk12q(5)输入层至隐层的连接权w，i=(1，2，3，L，n)，j=(1，2，3，L，p)；ij(6)隐层至输出层的连接权v，j=(1，2，3，L，p)，t=(1，2，3，L，p)；jt(7)隐层到各单元的输出阈值θ，j=(1，2，3，L，p)；j(8)输出层到各单元的输出阈值γ，t=(1，2，3，L，p);参数k=1，2，3，L，m。t下面，我们将给出BP学习算法的具体步骤：(1)初始化。给每一个权值w、v和阈值θ、γ赋予(−1，1)内的随机数值。ijjtj

6、tkkkkkk(2)随机选取一组输入和目标样本P=(a，a，L，a)、T=(y，y，L，y)提k12nk12q供给网络。kkk(3)用输入样本P=(a，a，L，a)，连接权w和阈值θ计算隐层各单元的输入s，k12nijjj然后通过传递函数计算隐层各单元的输出b。jnsj＝∑wijaj−θj，j=1，2，3，L，p；bj=f(sj)，j=1，2，3，L，pi=1(4)利用隐层的输出b、连接权v和阈值γ，计算输出层各单元的输出L，然后通过传递jjttt函数计算输出层各单元的相应C。tpLt=∑vjtbj−γt，t=1，2，3，L，p；Ct=f(Lt)，t=1，2，3，L

7、，pj=1kkk(5)利用网络目标向量T=(y，y，L，y)，网络的实际输出C，计算输出层各单元k12qtk的一般化误差d。tk(k)()d=y−Ct⋅Ct1−Ct，t=1，2，L，pttk(6)利用连接权v、输出层一般误差d和隐层的输出b，计算隐层各单元的一般化误差ejttjj-2-http://www.paper.edu.cnqk⎡⎤()ej=⎢∑dt⋅vjt⎥bj1−bj⎣t=1⎦k(7)利用输出层各单元误差d和隐层的输出b来修正连接权v与阈值γ。tjjtt()()k()()kvN+1=vN+α⋅d⋅b，γN+1=γN+α⋅djtjttjtttt=1，2，