LMBP算法的改進及其在遠程故障診斷系統(tǒng)中的應用.pdf

1、概述故障診斷技術(shù)的國內(nèi)外發(fā)展過程以及遠程故障診斷技術(shù)的發(fā)展現(xiàn)狀。給出基于神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)的發(fā)展現(xiàn)狀以及神經(jīng)網(wǎng)絡適用于設備故障診斷的原因。根據(jù)神經(jīng)網(wǎng)絡用于故障診斷系統(tǒng)的要求，研究了神經(jīng)網(wǎng)絡訓練樣本的挖掘方法，實現(xiàn)樣本的科學提取，減少了樣本提取對工程人員的依賴性；改進了神經(jīng)網(wǎng)絡LMBP(Levenberg Marquardt Back Propagation)算法，提高了神經(jīng)網(wǎng)絡的訓練速度。即將基于最大信息增益的決策樹挖掘算法用于選取

2、BP神經(jīng)網(wǎng)絡訓練樣本，并對樣本進行去均值處理,以便于更適合網(wǎng)絡訓練；運用均勻分布策略初始化網(wǎng)絡的權(quán)值與偏置值；考慮到基本BP算法訓練時間長，收斂性能不好的局限性，分析比較了幾種常用的改進BP算法的方法，然后通過實例仿真，從訓練回合和訓練耗時兩個性能指標上綜合考慮，選取LMBP算法作為設備的故障診斷算法；從數(shù)值分析的角度提出一種減少LMBP算法計算量、提高該算法訓練速度的方法。最后，以淮南新集集團劉莊煤礦主井提升機液壓站為模擬仿真對象，設