民航飞机航电设备故障检测与诊断：故障诊断的神经网络方法PPT教学课件.pptx

;

8.1故障诊断的神经网络方法

8.2BP神经网络算法及其改进算法

8.3BP神经网络在模拟电路故障诊断中的应用

8.4径向基神经网络在自动驾驶仪故障诊断中的应用

6.5本章小结;

8.1

故障诊断的神经网络方法;

70年代，美国MIT的Minsky和Papert教授在研究感知机（Perceptrons）神经网络中悲观地指出单层感知机神经网络的致命局限性，这种偏颇的看法给神经网络研究泼了凉水，使神经网络研究几乎停滞了十年。

80年代，Hopfield教授提出内容寻址的电路可实现的Hopfield网络，加上Rumelhart，Mcclelland，Adderson，Feldman，Grossberg，Kohonen所做研究贡献，在学术界重新掀起神经网络研究热潮。;

1.神经网络基础

具有并行结构和并行处理方式;;

图8.1为一个典型的单输入单输出神经网络，其神经元输入（input）简记为u，输出为（actual

output）简记为a，连接权值（weight）简记为w，偏置值（bias）简记为b，净输入为n=w*u+b，神经元的传输函数f(n)又称为激活函数。该神经网络输入/输出满足式（8.1）：

a=f(w*u+b)（8.1）;

其中神经元激活函数f(n)可能有多种形式，常见的激活函数有：

①硬极限函数（hardlim函数）：a=0，n0；a=1，n≥0

②对称硬极限函数（hardlims函数）：a=—1，n0；a=+1，n≥0

③线性函数（purelin函数）：a=n

④饱和线性函数（satlin函数）：a=0，n0；a=n，0≤n≤1；a=1，n1

⑤对称饱和线性函数（satlins函数）：a=—1，n—1；a=n，—1≤n≤1；a=+1，n+1

⑥对数-S形函数

⑦双曲正切S形函数（tansig函数）：

⑧正线性函数（poslin函数）：a=0，n0；a=n，n≥0

⑨竞争函数（compet函数）：a=1，具有最n的神经元；a=0，其他神经元。;

图8.2为一个具有R个输入、S个输出的多输入多输出

人工神经网络，它输入分别为u1，u2，…,uR；输出分别有a1，a2，…,as；分别对应的权值元素为w1，1，

w1,2，…,ws,R；各神经元对应的偏置值分别是b1，b2，

…,bs；该神经网络输入/输出关系??足式（8.2），

A=f(WU+B)（8.2）

式（8.2）中，A为输出向量，B为偏置矩阵，W为权值矩阵，P为输入向量，它们分别是

;

图8.3所示的三层神经网络，第三层为网络输出层，第一层和第二层为网络的隐含层，第

一层的输入可以简单认为是系统的输入层。图8.3所示三层神经网络输入/输出关系满足式（8.3）

a3=f3(w3f2(w2f1(w1p+b1)+b2)+b3)（8.3）;

工程上，有一些解决这个问题的基本方法，如一个三层BP神经网络，输入层网络神经元个数为N1，

该网络输出层神经元个数为N2，则隐含层神经元个数为N2，N2可用经验式（8.4）进行估算

（8.4）

式（8.4）中α取1～12，如N1=5，N3=10，α=6，则隐含层神经元个数N2=13。;

有监督的学习

算法;

按照Hebb假设，如果一个正的输入uj产生一个正的输出ai，应该增大权值wij，即

wew=wld+yfi(ai)gj(uj)（8.5）

式（8.5）中y为一个称为学习速度的正的常数。如果神经网络权值wij的变化直接与pj和ai乘积成正

比，则式（8.5）改写为式（8.6）

wew=wld+yaipj