優化的BP神經網絡在電子設備故障診斷中的應用
加入技術交流群
設p1=r1=-E’(W1)，式中E’(W1)是根據BP算法求出的負梯度。本文引用地址：http://cqxgywz.com/article/157557.htm
(3)計算步長ak：
式中：En(W1)為誤差函數對權值矢量W的二次導數。
(4)調整權值：
(5)如果k除以樣本數N的余數為零時，pk+1=rk+1，否則計算新的搜索方向：
(6)如果梯度方向OrkO>ε，則置k=k+1，否則停止，Wk+1為所求權值矢量。
3診斷實例
現以一電子設備為診斷對象，驗證優化的BP神經網絡算法。樣本數據從測試口測試獲得，一共6個測試點，10個板卡故障。診斷步驟如下：
(1)故障特征提取
表1為實驗測得的故障樣本數據；表2為歸一化后的數據，其激活函數采用S型函數f=1／(1+e-ax)；表3為神經網絡的目標輸出模式，1表示有故障，0表示正常。
(2)BP網絡的訓練
取輸入節點N1=6，輸出節點N3=11，隱層節點采用，a取1～10，本實驗中a取7(根據訓練誤差曲線調整而得)，N2=15。學習率η=0.2，訓練誤差E0.005，最大訓練次數n=1 000。圖2為BP網絡的訓練誤差曲線。
(3)BP網識別結果分析
①用樣本自身數據輸入訓練好的神經網絡中，其識別結果見表4。與故障模式對比分析可知，自身數據檢測正確率為100％。可見，該網絡達到了訓練的要求。
評論