LMBP算法的改進(jìn)及其在遠(yuǎn)程故障診斷系統(tǒng)中的應(yīng)用.pdf

1、概述故障診斷技術(shù)的國(guó)內(nèi)外發(fā)展過(guò)程以及遠(yuǎn)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(luò)的故障診斷系統(tǒng)的發(fā)展現(xiàn)狀以及神經(jīng)網(wǎng)絡(luò)適用于設(shè)備故障診斷的原因。根據(jù)神經(jīng)網(wǎng)絡(luò)用于故障診斷系統(tǒng)的要求，研究了神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本的挖掘方法，實(shí)現(xiàn)樣本的科學(xué)提取，減少了樣本提取對(duì)工程人員的依賴(lài)性；改進(jìn)了神經(jīng)網(wǎng)絡(luò)LMBP(Levenberg Marquardt Back Propagation)算法，提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。即將基于最大信息增益的決策樹(shù)挖掘算法用于選取

2、BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，并對(duì)樣本進(jìn)行去均值處理,以便于更適合網(wǎng)絡(luò)訓(xùn)練；運(yùn)用均勻分布策略初始化網(wǎng)絡(luò)的權(quán)值與偏置值；考慮到基本BP算法訓(xùn)練時(shí)間長(zhǎng)，收斂性能不好的局限性，分析比較了幾種常用的改進(jìn)BP算法的方法，然后通過(guò)實(shí)例仿真，從訓(xùn)練回合和訓(xùn)練耗時(shí)兩個(gè)性能指標(biāo)上綜合考慮，選取LMBP算法作為設(shè)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(jì)算量、提高該算法訓(xùn)練速度的方法。最后，以淮南新集集團(tuán)劉莊煤礦主井提升機(jī)液壓站為模擬仿真對(duì)象，設(shè)