论文部分内容阅读
神经网络,是一个涉及多学科的高科技领域,到目前为止已经引起了众多生理学家、数学家、计算机与信息工程研究者、以及心理学家的高度重视,并进行了深入的研究。神经网络系统的应用大多数集中于模式识别、故障诊断、经济预测、控制优化等方面,这些应用为我们的经济生活、科学研究提供了诸多的便利,因此对神经网络的深入研究显得尤为重要。本文从人工神经网络的发展和应用角度引出BP神经网络算法在电子设备系统故障诊断中的研究。电子设备系统故障诊断定位困难一般表现为两个方面:它的准确性和效率难以保证;故障的多种形式:单故障,多故障,关联故障等。传统的排故活动中使用的是单故障前提假设并不总是成立,然而多故障假设会导致解决故障诊断问题更加困难和耗时。针对以上问题,本课题给出较优的推理方法,解决复杂系统多故障诊断问题。论文首先介绍了人工神经网络的研究背景和意义,然后再从人工神经网络的结构和特点出发说明现有BP算法及其优缺点,并通过MATLAB软件实现对最速下降BP算法、动量BP算法、学习率可变的BP算法、弹性BP算法、变梯度算法和LM算法6种算法的仿真。由于以上算法仿真时隐含层节点数目不同,在网络训练过程仍存在不能得到最佳权值问题,论文提出了基于提前停止法的学习率可变BP算法的改进思想,在运用MATLAB仿真之后,可以得出改进前后的数据。根据仿真出的数据对比分析,得到最优权值,且在同样均方误差精度和准确率条件下,其训练次数最少,训练时间可大大缩短。论文分析和总结了基于神经网络的电路故障诊断相关方面的研究成果;详细介绍了一种以网络撕裂法在电路故障诊断中的应用。以网络撕裂法为前提分解电路,设计基于BP神经网络的网络拓扑结构,利用MATLAB对网络进行训练定位故障模块。论文最后运用BP神经网络理论和网络撕裂法,结合具体的无线电罗盘测向电路,提出了基于多级BP神经网络的多故障诊断方法,将复杂的航空电子设备分解为若干子网络,并对每个子网络建立合适的故障集,并成功实现了故障检测,最后通过Matlab仿真验证诊断结果。