基于BP網(wǎng)絡(luò)的設(shè)備狀態(tài)分類器設(shè)計(jì)

王淼

引言：本文對人工神經(jīng)網(wǎng)絡(luò)的三種常用模型中的BP網(wǎng)的結(jié)構(gòu)和學(xué)習(xí)算法進(jìn)行了深入的研究，對BP網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)做了詳細(xì)描述。

Pall Werbas博士為首的科學(xué)家小組在1986年出版《并行分布信息處理》一書中，對用于多層前饋網(wǎng)絡(luò)的誤差逆?zhèn)鞑W(xué)習(xí)算法（BP算法）進(jìn)行了詳盡的分析與介紹，后來人們把應(yīng)用BP算法進(jìn)行訓(xùn)練的前饋型神經(jīng)網(wǎng)絡(luò)簡稱為BP（Back-Propagation）網(wǎng)絡(luò)。下面談?wù)劵贐P網(wǎng)絡(luò)的設(shè)備狀態(tài)分類器設(shè)計(jì)。本實(shí)例的工程背景是某個設(shè)備中的減速箱，其目的是設(shè)計(jì)一個狀態(tài)分類器，用于檢測減速箱的當(dāng)前狀態(tài)。

一、BP網(wǎng)絡(luò)設(shè)計(jì)

首先，需要獲得網(wǎng)絡(luò)的輸入和目標(biāo)樣本。對減速箱運(yùn)行狀態(tài)進(jìn)行檢測，獲得了12組狀態(tài)樣本數(shù)據(jù)，有正常狀態(tài)數(shù)據(jù)、輕微故障狀態(tài)數(shù)據(jù)和嚴(yán)重狀態(tài)數(shù)據(jù)，分別對應(yīng)類別1、2和3。接下來需要確定網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)Kolmogorov定理，采用一個N*2N+1*M的3層BP網(wǎng)絡(luò)作為狀態(tài)分類器。其中N表示輸入特征向量的分量數(shù)，M表示輸入狀態(tài)類別總數(shù)。對于本實(shí)例，N=8。為了簡化網(wǎng)絡(luò)結(jié)構(gòu)，用（0，1）表示正常狀態(tài)，（1，0）表示輕微故障狀態(tài)，（1，1）表示嚴(yán)重故障狀態(tài)。這樣一來，就可以在網(wǎng)絡(luò)中設(shè)計(jì)兩個輸入神經(jīng)元表示這3種故障狀態(tài)類別。由此可得，該BP網(wǎng)絡(luò)結(jié)構(gòu)為：輸入層有8個神經(jīng)元，中間有17個神經(jīng)元，輸出層有2個神經(jīng)元。按照一般的設(shè)計(jì)方案，中間層神經(jīng)元的傳遞函數(shù)為S型正切函數(shù)，輸出層神經(jīng)元的傳遞函數(shù)為S型對數(shù)函數(shù)，之所以選擇S型函數(shù)，是因?yàn)樵摵瘮?shù)為0-1函數(shù)，正好滿足設(shè)備狀態(tài)分類器的輸出要求。

令P表示網(wǎng)絡(luò)的輸出樣本向量，T表示網(wǎng)絡(luò)的目標(biāo)向量?？傻茫?/p>

我們用15組數(shù)據(jù)來測試減速箱的穩(wěn)定性，觀察它的誤差，可以看到我們的結(jié)果與預(yù)期的結(jié)論達(dá)到滿意的效果。從而我們可以得出結(jié)論：BP網(wǎng)絡(luò)具有實(shí)際應(yīng)用價值，在復(fù)雜的非線性整合處理中將發(fā)揮重要作用。

參考文獻(xiàn)

[1]李學(xué)橋.神經(jīng)網(wǎng)絡(luò)工程應(yīng)用[M].重慶：重慶大學(xué)出版社，1995.

（作者單位：天津公安警官職業(yè)學(xué)院）