基于BP神經網絡的系統(tǒng)級故障診斷算法研究.pdf

1、BP神經網絡拓撲結構簡單，有較高的診斷精度以及非線性映射能力，是最為普遍應用的前饋神經網絡，而且它易于編程實現(xiàn)，是現(xiàn)代智能診斷研究的熱門領域。本文以此為基礎，提出了一種Chwa& Hakimi模型下基于遺傳算法優(yōu)化的BP神經網絡診斷算法——GA-BPFD算法。文中從BP神經網絡構建、激活函數(shù)、權值和偏置值三個方面進行優(yōu)化研究。
　　首先，在網絡結構設計階段研究網絡層數(shù)和節(jié)點數(shù)的選擇規(guī)則，并對BP算法激活函數(shù)做優(yōu)化分析，以此提升神經

2、網絡的泛化能力。
　　其次，測試報告是由遺傳算法進行預處理，得到誤差最小的一組神經網絡的權值和偏置值；GA優(yōu)化得到的權值和偏置值作為BP神經網絡訓練的初始權值和偏置值，并用訓練完成的神經網絡結合測試報告進行系統(tǒng)級故障診斷。同時對GA的收斂性和整體GA-BPFD算法正確性作相應的證明與分析。
　　最后，在matlab上進行仿真實驗，實驗結果表明改進后得到的GA-BPFD算法相比BPFD算法，具有較高的診斷正確率與較低的時間復雜