及時(shí)準(zhǔn)確地對(duì)液壓系統(tǒng)故障進(jìn)行監(jiān)測(cè)、預(yù)報(bào)和診斷具有重要意義。闡述了BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)故障模型的基本理論知識(shí),針對(duì)BP網(wǎng)絡(luò)的缺點(diǎn),提出了利用粒子群算法優(yōu)化BP網(wǎng)絡(luò),建立起PSO（particle swarm optimization）優(yōu)化BP網(wǎng)絡(luò)故障診斷模型。以液壓系統(tǒng)柱塞泵故障為例進(jìn)行了神經(jīng)網(wǎng)絡(luò)建模,并對(duì)建立的網(wǎng)絡(luò)進(jìn)行仿真。仿真結(jié)果測(cè)試正確,表明PSO優(yōu)化的BP網(wǎng)絡(luò)用于液壓系統(tǒng)故障診斷的實(shí)用性和可行性。 

【文章來(lái)源】：系統(tǒng)仿真學(xué)報(bào). 2016,28(05)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第28卷第5期Vol.28No.52016年5月張捍東,等:粒子群優(yōu)化BP算法在液壓系統(tǒng)故障診斷中應(yīng)用May,2016http:∥www.china-simulation.com1187BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程分為信息的正向傳播和誤差的方向傳播。在信息的正向傳播過(guò)程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層。如果在輸出層得不到期望的結(jié)果，則轉(zhuǎn)到誤差的反向傳播，將誤差信號(hào)按照連接通路反向計(jì)算，由梯度下降法調(diào)整各層神經(jīng)元的權(quán)值，使誤差信號(hào)逐漸減校BP神經(jīng)網(wǎng)絡(luò)的逼近結(jié)構(gòu)[4-6]，如圖2所示。圖1單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖2BP神經(jīng)網(wǎng)絡(luò)逼近2粒子群優(yōu)化算法粒子群優(yōu)化算法(particleswarmoptimization,PSO)最早是由Kennedy和Eberhart在1995年提出的，它是一種群體智能的優(yōu)化算法，在該優(yōu)化算法中，所有優(yōu)化問(wèn)題都被抽象成鳥(niǎo)類(lèi)的捕食行為，空間中的鳥(niǎo)代表優(yōu)化問(wèn)題中的潛在解，即算法中的“粒子”，在目標(biāo)解空間中不停的進(jìn)行全局搜索。通過(guò)一次次的改變自身的位置和速度，最終通過(guò)迭代找到最優(yōu)解[7]。粒子在優(yōu)化算法中，利用適應(yīng)度值、位置和速度3項(xiàng)指標(biāo)表示粒子的當(dāng)前特征。適應(yīng)度值表示該粒子的優(yōu)劣程度，而位置和速度表示該粒子當(dāng)前搜索的情況。Pbest指的是粒子個(gè)體在搜索過(guò)程中的得到的適應(yīng)度最優(yōu)的位置，而Gbest指的是所有粒子在搜索過(guò)程中的得到的最優(yōu)適應(yīng)度的位置。粒子每變換一次位置，就得到一個(gè)新的適應(yīng)度值，通過(guò)比較該適應(yīng)度值、個(gè)體極值適應(yīng)度值和群體極值適應(yīng)度值修正Pbest和Gbest。假設(shè)在一個(gè)N維的搜索空間中，有M個(gè)粒子組成一個(gè)種群，其中第m個(gè)粒子表示為一個(gè)M維的向量m12=(,,...,),1,2,...,,mmmNXxxxmM這個(gè)向量代表了在N維搜索空間中粒子的位置，也代表了目標(biāo)優(yōu)化問(wèn)題的一個(gè)潛在解。根據(jù)優(yōu)化問(wèn)題有一個(gè)確定的目標(biāo)函數(shù)，由目標(biāo)?

2，x3，x4，x5分別表示柱塞泵的回油溫度變化、流量、內(nèi)泄流量、壓力和補(bǔ)油壓力波動(dòng)。4.2BP網(wǎng)絡(luò)參數(shù)設(shè)置本文提取的故障征兆的個(gè)數(shù)為5，故障的種類(lèi)為4，故建立的BP神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元為5個(gè)，輸出神經(jīng)元為4個(gè)。因?yàn)閱坞[層的BP網(wǎng)絡(luò)能夠完成任意精度的函數(shù)逼近，因此本文建立了一個(gè)單隱層的BP網(wǎng)絡(luò)。根據(jù)確定隱含層神經(jīng)元個(gè)數(shù)的公式[10]，隱含層神經(jīng)元個(gè)數(shù)k=4+5+;當(dāng)取7時(shí)，k=10。隱含層的傳遞函數(shù)選為“tansig”，輸出層的傳遞函數(shù)選為“l(fā)ogsig”，則建立起來(lái)的單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示。圖3BP神經(jīng)網(wǎng)絡(luò)故障診斷結(jié)構(gòu)圖設(shè)定BP網(wǎng)絡(luò)的最大訓(xùn)練次數(shù)為1000，期望誤差為0.01，學(xué)習(xí)效率為0.1。其余BP網(wǎng)絡(luò)相關(guān)參數(shù)均取默認(rèn)值。4.3粒子群參數(shù)設(shè)置粒子維數(shù)為所需要優(yōu)化的權(quán)值和閾值的個(gè)數(shù)，設(shè)定粒子群的粒子數(shù)為20，最大允許迭代次數(shù)為300，加速度因子c1=c2=1.49445，并將粒子的速度范圍限制為[–0.5,0.5]。PSO算法中的慣性權(quán)重ω體現(xiàn)了粒子繼承前

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型[J]. 禹建麗,卞帥.  系統(tǒng)仿真學(xué)報(bào). 2014(06)
[2]神經(jīng)網(wǎng)絡(luò)在故障診斷中的研究[J]. 孫麗欣,胡文亮.  化學(xué)工程與裝備. 2014(02)
[3]粒子群優(yōu)化BP算法在電力系統(tǒng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 傅忠云.  重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2007(10)



本文編號(hào)：3235296