如何利用集成BP网络诊断油泵故障

发布时间：2023-06-19T08:43:37更新时间：2023-06-19T08:43:22 浏览量：153

[内容摘要]: 如何利用集成BP网络诊断油泵故障由于错误诊断系统的复杂性，其规划将成为大规模神经网络的结构和学习成果。四柱油压机开机前，应检查模具是否配套，料重是否符合要求，称料工具是否准确。油压机公司班前应穿戴好规定的劳动保护用品。开机前检查如下各项：光电...

如何利用集成BP网络诊断油泵故障

由于错误诊断系统的复杂性，其规划将成为大规模神经网络的结构和学习成果。四柱油压机开机前，应检查模具是否配套，料重是否符合要求，称料工具是否准确。油压机公司班前应穿戴好规定的劳动保护用品。开机前检查如下各项：光电保护装置是否可靠、各行程开关是否灵敏、紧固件是否有松动。单柱油压机应具有相应的资格，必须持证上岗，严禁对机器不了解的人员开启使用油压机。为了降低工作的复杂性，减少网络学习时间，本文将错误诊断知识分解为几个逻辑上独立的子集，每个子集分解为几个规则子集，然后根据规则子集构建网络。每个规则子集都是一个逻辑上独立的子网的映射，即规则子集之间的连接，通过过程子网的权值矩阵表示。每个子网通过使用BP学习算法分别独立地结束学习练习。由于分解后的子网比原始网络小得多，并且局部化，锻炼时间大大减少。利用集成的BP网络实现的信息处理能力来自于神经元的非线性机制特征和BP算法。每个子网都是一个BP网络，每个子网由BP算法进行学习，学习结果由控制网络进行集成。BP网络的学习算法将每个选择的特征参数（包括能量特征、振幅特征和反向包络特征）的值图像到神经网络输入层的单个节点，并结束常规处理：

xi＝0.8(x-xmin)/(xmax-xmin)+0.1(8)等式(8)的目的是将特征参数正则化为(0.1，0.9)，以避免由于Sigmoid函数的输入值的极值而导致的学习收敛的限制。对公式(8)得到的正则值进行如下运算，得到每个神经元的加权值和阈值：公式中，j表示未来层，i表示前一层，Wij是连接权重，cj是未来节点的阈值，fj是输入。