優(yōu)化的BP神經(jīng)網(wǎng)絡(luò )在電子設備故障診斷中的應用

近些年來(lái)，由于計算機技術(shù)、信號處理、人工智能、模式識別技術(shù)的發(fā)展，促進(jìn)了故障診斷技術(shù)的不斷發(fā)展，大型復雜電子設備的出現，使得人們更迫切地希望能提高整體可靠性與維修性，這就給故障診斷提出了更高的要求。因此，對故障診斷技術(shù)的研究有著(zhù)重要的理論及現實(shí)意義。

1 BP神經(jīng)網(wǎng)絡(luò )故障診斷模型

一個(gè)神經(jīng)網(wǎng)絡(luò )用于故障診斷時(shí)，主要包括三層：輸入層，即從設備對象接收各種故障信息和現象；中間層，是把從輸入層得到的故障信息，經(jīng)內部的學(xué)習和處理，轉化為針對性的解決辦法；輸出層，是針對輸入的故障形式，經(jīng)過(guò)調整權值后得到的故障處理方法。對于一個(gè)新的輸入狀態(tài)信息，訓練好的網(wǎng)絡(luò )將由輸出層給出故障識別結果。BP神經(jīng)網(wǎng)絡(luò )故障診斷模型如圖1所示。

2 BP神經(jīng)網(wǎng)絡(luò )的優(yōu)化――共軛梯度法

雖然神經(jīng)網(wǎng)絡(luò )模型已成功應用于模式識別、函數逼近、時(shí)間序列預測等領(lǐng)域，但是由于BP學(xué)習算法僅改變網(wǎng)絡(luò )的連接值和閾值，不改變網(wǎng)絡(luò )的拓撲結構，因此BP網(wǎng)絡(luò )在處理具體問(wèn)題時(shí)還存在收斂速度慢，易陷入局部極小值等缺點(diǎn)。為了解決BP網(wǎng)絡(luò )訓練的缺點(diǎn)，人們提出了多種有益的改進(jìn)方法。

本文研究了共軛梯度法對BP神經(jīng)網(wǎng)絡(luò )進(jìn)行優(yōu)化設計，基本思想如下：

傳統的前向多層網(wǎng)絡(luò )的BP學(xué)習算法實(shí)質(zhì)上是無(wú)約束的最速下降法，改進(jìn)的BP算法是對最速下降法作了一些約束；而共軛梯度法則是介于最速下降法和牛頓法之間的一種方法，它僅需要利用一階導數信息，不僅克服了BP學(xué)習算法收斂慢的缺點(diǎn)，又避免了存儲和計算牛頓法所需要的二階導數信息。共軛梯度法的計算步驟和最速下降梯度法差別不大，主要差別在于搜索方向不同，即每一步的方向不是梯度的負方向，而是一種共軛的方向。由原來(lái)的負梯度方向加上一個(gè)修正項得到共軛方向，也就是使得最速下降法具有共軛性，從而提高算法的有效性和可靠性。共軛梯度法應用于神經(jīng)網(wǎng)絡(luò )中的目的是求誤差函數E(W)的最小值。算法主要是利用共扼梯度方向來(lái)修正權值W，使W的確定更為快速，計算過(guò)程如下；

(1)初始化權值W1，令k=1；

(2)計算網(wǎng)絡(luò )的負梯度矢量：