如何利用集成BP网络诊断液压泵故障
发布日期：2016-11-16 11:08:00
来源：
点击：5110
由于错误诊断系统的复杂性，将神经网络利用于障诊断系统的筹划中，将是大规模神经网络的结构和学习成就。为了减少工作的复杂性，减少网络学习时间，本文将错误诊断知识凑集分解为几个逻辑上独立的子凑集，每一个子凑集再分解为若干规则子集，尔后根据规则子集来结构网络。每个规则子集都是一个逻辑上独立的子网络的映射，规则子集间的联系，经过进程子网络的权系矩阵表示。各个子网络独立地利用BP学习算法分别结束学习演习。由于分解后的子网络比原来的网络规模小得多且成就局部化了，从而使演习时间大为减少。利用集成BP网络结束液压泵轴承错误诊断的信息处理能力源于神经元的非线性机理特性和BP算法，每一个子网络均为一个BP网络，各个子网络由BP算法各自学习，学习后的结果由控制网络集成。BP网络的学习算法如 把选取的每一个特性参数（包括能量特性，幅值特性和倒谱包络特性)x的值映像到神经网络输入输入层的单个节点上，并对其结束正则处理：
xi=0.8(x-xmin)/(xmax-xmin)+0.1 （8）式（8）把特性参数正则到（0.1,0.9）之间的目的是避免Sigmoid函数输入值极端化 而引起学习无法收敛的成就。对（8）式得到的正则值完成如下运算，得到每一个神经元的加权值和阈值：式中，j代表今后层，i代表前一层，wij代表连接权值；cj代表今后节点的阈 值；fj代表输入 。
相关标签：
