BP人工神经网络在铅酸蓄电池故障诊断中应用.pdfVIP

BP 人工神经网络在铅酸蓄电池故障诊断中的应用 文萍，陈卓 辽宁工程技术大学理学院，辽宁阜新（123000 ） E-mail ：wenpingreason@163.com 摘 要：自上世纪初，铅酸蓄电池开始用于汽车起动以来，近一个世纪还没有其他电源取代 它。铅酸蓄电池按用途大体分车辆起动用、地面或矿内牵引车用、通信及电力用、舰船航行 用、国防或科研用等，使用范围非常广泛。铅酸蓄电池因结构和用途不同，在使用中出现的 故障也不尽相同，要依具体情况进行分析。本文基于人工神经网络的基本原理，研究了BP 算法在铅酸蓄电池故障诊断方面的应用。 关键词：人工神经网络，BP 算法，铅酸蓄电池，故障诊断 1. 引言 [1] 蓄电池 既能将化学能转化为电能，也能把电能转化为光能，是一种可逆的低压直流电 源。在汽车上使用最广泛的是启动型铅酸蓄电池。铅酸蓄电池[1]是由正负板组、隔板、电解 液、外壳等部分组成的，它是在盛由稀硫酸的容器中插入两组铅制极板而构成的电能储存器。 因为电池主要是铅和硫酸制成的，所以通常称为铅酸蓄电池，俗称电瓶。 故障诊断FD(fault diagnosis) [2] 是一种了解和掌握设备在使用过程中的技术，确定其整体 或局部是否正常，早期发现故障及其原因并能预报故障发展趋势的技术。在诊断过程中，必 须利用被诊断对象表现出来的各种有用信息，经过适当地处理和分析，做出正确的诊断结论。 本文在基于人工神经网络的基本原理[3] [4] ，给出一定训练样本，研究BP 算法 在铅蓄电池故 障诊断当中的应用。 2. 人工神经网络应用于铅酸蓄电池洗衣机故障诊断中的基本原理 2.1 人工神经网络基本原理 [5] 人工神经网络 (Artificial Neural Network ．简称ANN)是由大量处理单元广泛互连而成 的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性。人工神经网络的研究是从人 脑生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它[3]是理论化的人脑神经 网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际 上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操 作和非线性关系实现的系统。而其中最典型的神经网络是误差反向传播网络 (Back　Propagation) ，其结构层分为输入层、隐层和输出层。 2.2 反向传播学习算法（BP 算法）的原理及规则 2.2.1 BP 算法的原理 [4] 反向传播（Back Propagation ）学习方法 也称BP 算法，相应的神经网络也称BP 网络， 它是一种多层前馈网络，具有三层或三层以上的神经网络，包括输入层、隐层、输出层。上 下层之间完全连接，而每层神经元之间无连接。BP 算法是采用梯度下降方法[4]，使得网络 实际输出（计算输出）与期望输出（目标输出）的均方差达到最小，网络的学习过程是，将 输出层误差反向传播回去，并借以修正权值。具体的学习过程[5]可以描述如下： （1）工作信号正向传播：输入信号从输入层经隐单元，传向输出层，在输出端产生输 - 1 - 出信号，这是工作信号的正向传播。在信号的向前传递过程中网络的权值是固定不变的，每 一层神经元的状态只影响下一层神经元的状态。如果在输出层部能得到期望的输出，则转入 误差信号反相传播。 （2 ）误差信号反相传播：网络的实际输出与期望输出之间差值即为误差信号，误差信号 由输出端开始逐层向前传播，这是误差信号反相传播。在误差信号反相传播过程中，网络的 权值由误差反馈进行调节。通过权值的不断修正使网