云浮登高车出租,   ＢＰ神经网络算法怎么用于比例方向阀故障的诊断??      云浮登高车租赁, 云浮登高车公司     １ＢＰ神经网络筒介人工神经网络是一种基于生物神经网络工作原理的数据处理模型，它由人工神经元相互连接进行计算，并通过样本数据调整神经元权值来进行建模，当权值调整到恰当值时，就能够根据输入数据得到正确的输出结果。神经网络最大的优势是能够进行非线性和自适应能力需求较高的问题的求解。误差反向传播神经网络是最为常用的一种神经网络算法，它具有非常强的非线性映射能力，在故障诊断、分布式数据监测和模式识别等领域均获得了广泛的应用。ＢＰ神经网络在２０世纪８０年代中期由Ｒｕｍｅｌｈａｒｔ等提出，它是一种多层前向神经网络，允许包含多个隐藏层，具备处理线性不可分问题的能力。理论证明，ＢＰ神经网络只需要一个隐藏层即可无限逼近任意非线性函数。ＢＰ神经网络通过反向传播算法来对多层感知器进行训练，解决了多层神经网络的学习问题。反向传播算法的训练主要包括两个阶段：（１）前向阶段。神经网络中各突触的权值固定，输入信号根据权值计算在网络中一层一层的进行传播，直至到达输出层为止。在这一阶段，输入信号的影响限制在网络中激活的隐藏层神经元和输出层神经元上。（２）反向阶段。通过比较神经网络的输出以及期望的输出矩阵产生误差信号，将得到的误差信号反向一层一层进行传播，根据误差信号来对网络中各突触的权值不断进行修正，使得最终输出信号与期望输出在允许误差范围内，给定神经网络的输入层、输出层、初始权值、激活函数和学习率即可计算突触权值修正值对ＢＰ神经网络进行训练，当残差逐渐减小时，也逐渐减小，达到设定的残差目标后获得稳定的叫＜值，即可完成对神经网络的训练。

    ２ＢＰ神经网络结构设计利用ＢＰ神经网络完成故障诊断，首先需要设计和确定神经网络的结构参数，主要包括以下参数：（１）网络层数及各层神经元个数。由于隐藏层数过多会使得计算量增大，并且３层网络结构已足够实现ｎ维向量到ｍ维向量的，因此这里设计ＢＰ神经网络的层数为３层；由于每组工况数据曲线有３００个数据点，因此确定输入层神经元个数为３００；本次仿真涉及到３种工况，故确定输出层神经元个数为３；隐藏层神经元的数量会直接影响ＢＰ神经网络的性能，数量过少会使得网络的容错性比较低，数量过多可能会使网络过拟合，目前还没有形成统一的确定隐藏层神经元数目的标准，这里采用经验公式来进行确定。选取ａ＝６，确定隐藏层的神经元个数为。（２）网络初始权值神经网络的初始权值矩阵由神经网络中各突触的初始权值构成，在训练时一般选取由［０，１］区间内的随机数组成。（３）激活函数ＢＰ神经网络中的激活函数用来给模型加入非线性因素的，目的是为了解决数据的线型不可分问题。激活函数一般具有非线性、可徵性、单调性等性质，常用的激活函数有双曲正切函数、ｓｉｇｍｏｉｄ函数以及ＲｅＬＵ函数等。这里选取隐藏层的神经元激活函数为Ｓｉｇｍｏｉｄ函数，输出层选取线性函数。上一节采用仿真的方式获取了比例方向阀在３种工况下的压力增益特性曲线、主阀芯位移曲线、先导阀芯位移曲线，每条曲线由１００个数据点构成。

    云浮登高车出租, 云浮登高车租赁, 云浮登高车公司  http://www.guangdongshengjiangche.com/

     ３ＢＰ神经网络训练在Ｍａｔｌａｂ中编写程序实现所得数据的读取、归一化以及ＢＰ神经网络所需参数的配置。神经网络的数据归一化常用最大最小值法进行处理：ｍａｘｍｉｎ式中不为归一化处理后数据；Ｘ为归一化处理前数据；为归一化处理前数据最小值；为归一化处理前数据最大值。由于输入层数据较多，设置ＢＰ神经网络的最大迭代次数为５００００次，另外经过多次试验后，设置神经网络的学习率为０．０５，目标残差为０．０００８，最大无效次数为４０００次，最小梯度为ｌｅ－２０。最终生成ＢＰ神经网络结构，其中输入层包括３００个节点，隐藏层包括２３个节点，输出层包括３个节点。

    每种工况输入７组数据，３种工况共计２１组，在经过７７５１次迭代后，网络残差达到设定误差值。网络在训练开始初期时，残差曲线下降较迅速，在经过一段时间的迭代后，残差变化逐渐平缓并趋近于设定残差目标。在达到训练目标后，输入每种工况的３组测试数据进行比例阀故障诊断测试。

      ４故障诊断结果与分析,    将训练好的ＢＰ神经网络用于对测试数据进行故障识别，运行程序后神经网络输出层的结果。神经网络的输出与该表数值越接近，则说明该输入工况与对应的工况越匹配。神经网络输出矩阵与先导式比例阀的工况状态有明显的对应关系，能够准确的依靠该神经网络判别出该先导式比例阀的工况状态，但部分数据还有一定偏差，这与ＢＰ神经网络具有依赖初始权值、易陷入局部最小点等自身缺陷有关，后续可针对算法再进行进一步的改进。

     云浮登高车出租, 云浮登高车租赁, 云浮登高车公司