智能诊断技术人工神经网络.ppt

*神经网络诊断原理BP算法的基本思想BP算法的学习过程：包括信号的正向传播和误差反向传播两个过程。BP算法利用输出层的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差。如此下去，就获得了所有其他各层的误差估计。这样就形成了将输出端表现出的误差沿着与输人信号传送相反的方向逐级向网络的输入端传递的过程。根据各层节点的误差估计即可调整各节点的权值。第25页,共39页，星期六，2024年，5月BP网络的标准学习算法-算法思想学习的类型：有导师学习核心思想：将输出误差以某种形式通过隐层向输入层逐层反传学习的过程：信号的正向传播误差的反向传播将误差分摊给各层的所有单元－－－各层单元的误差信号修正各单元权值神经网络诊断原理第26页,共39页，星期六，2024年，5月*神经网络诊断原理BP网络模型BP网络是多级前馈网络，一般都选用二级网络，包括输入层、隐层和输出层。第27页,共39页，星期六，2024年，5月*神经网络诊断原理BP网络模型输出层输出：隐层输出：激活函数：第28页,共39页，星期六，2024年，5月学习的过程：神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。学习的本质：对各连接权值的动态调整学习规则：权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。神经网络诊断原理第29页,共39页，星期六，2024年，5月BP网络的标准学习算法-学习过程正向传播：输入样本－－－输入层－－－各隐层－－－输出层判断是否转入反向传播阶段：若输出层的实际输出与期望的输出（教师信号）不符误差反传误差以某种形式在各层表示－－－－修正各层单元的权值网络输出的误差减少到可接受的程度进行到预先设定的学习次数为止神经网络诊断原理第30页,共39页，星期六，2024年，5月*神经网络诊断原理BP网络训练过程训练过程是根据样本集对权值进行调整的过程；BP网络训练是有导师训练，所以训练样本为：（输入向量，目标输出向量）权值初始化：不相同的小随机数。BP网络的训练过程分为如下两个阶段：（1）向前传播阶段：从样本集中取一个样本(Xp，Dp)，将Xp输入网络；计算相应的实际输出Op：Op=Fl(…(F2(F1(XpW(1))W(2))…)W(L))第31页,共39页，星期六，2024年，5月*神经网络诊断原理（2）向后传播阶段：计算实际输出Op与相应的理想输出Dp的差；按极小化误差的方式调整权矩阵：网络关于第p个样本的误差测度：网络关于整个样本集的误差测度：第32页,共39页，星期六，2024年，5月*神经网络诊断原理输出层权值的调整yj是隐层的第j个节点，ok是输出层的第k个节点；Wjk是神经元yj到ok的联接权；wjkyjok隐层输出层?wjk输出层权值wjk的调整计算公式为：第33页,共39页，星期六，2024年，5月*神经网络诊断原理隐层权值的调整隐层节点的输出误差可根据输出层的权值和误差来估算隐层权值vij的调整计算公式为：wjkyjok隐层输出层输入层xio1olwjkwjkvij第34页,共39页，星期六，2024年，5月*神经网络诊断原理诊断过程确定特征确定识别的故障范围设计网络模型输入节点数输出层节点数隐层节点数初始权值设置训练网络训练样本集测试样本集故障识别第35页,共39页，星期六，2024年，5月*应用实例：BP网络在汽轮机故障诊断中的应用汽轮机故障特征的提取振动频谱特征：9个0.01-0.39f、0.40-0.49f、0.5f、0.51-0.99f、f、2f、3-5f、奇数倍f、高频5f.故障范围的确定常见的10种故障：不平衡、气动力偶、不对中、油膜涡动、转子径向碰磨、共生松动、推力轴承损坏、喘振、轴承座松动、不等轴承刚度。第36页,共39页，星期六，2024年，5月*应用实例：BP网络在汽轮机故障诊断中的应用BP网络设计采用单隐层BP网络结构；输入层节点数取9，对应9个频谱特征量；输出层节点数取10，对应10种故障原因；隐层节点数：取9激活函数：Sigmoid()第37页,共39页，星期六，2024年，5月*应用实例：BP网络在汽轮机故障诊断中的应用