基于BP網絡的設備狀態分類器設計

王淼

引言：本文對人工神經網絡的三種常用模型中的BP網的結構和學習算法進行了深入的研究，對BP網絡的設計與實現做了詳細描述。

Pall Werbas博士為首的科學家小組在1986年出版《并行分布信息處理》一書中，對用于多層前饋網絡的誤差逆傳播學習算法（BP算法）進行了詳盡的分析與介紹，后來人們把應用BP算法進行訓練的前饋型神經網絡簡稱為BP（Back-Propagation）網絡。下面談談基于BP網絡的設備狀態分類器設計。本實例的工程背景是某個設備中的減速箱，其目的是設計一個狀態分類器，用于檢測減速箱的當前狀態。

一、BP網絡設計

首先，需要獲得網絡的輸入和目標樣本。對減速箱運行狀態進行檢測，獲得了12組狀態樣本數據，有正常狀態數據、輕微故障狀態數據和嚴重狀態數據，分別對應類別1、2和3。接下來需要確定網絡結構，根據Kolmogorov定理，采用一個N*2N+1*M的3層BP網絡作為狀態分類器。其中N表示輸入特征向量的分量數，M表示輸入狀態類別總數。對于本實例，N=8。為了簡化網絡結構，用（0，1）表示正常狀態，（1，0）表示輕微故障狀態，（1，1）表示嚴重故障狀態。這樣一來，就可以在網絡中設計兩個輸入神經元表示這3種故障狀態類別。由此可得，該BP網絡結構為：輸入層有8個神經元，中間有17個神經元，輸出層有2個神經元。按照一般的設計方案，中間層神經元的傳遞函數為S型正切函數，輸出層神經元的傳遞函數為S型對數函數，之所以選擇S型函數，是因為該函數為0-1函數，正好滿足設備狀態分類器的輸出要求。

令P表示網絡的輸出樣本向量，T表示網絡的目標向量。可得：

我們用15組數據來測試減速箱的穩定性，觀察它的誤差，可以看到我們的結果與預期的結論達到滿意的效果。從而我們可以得出結論：BP網絡具有實際應用價值，在復雜的非線性整合處理中將發揮重要作用。

參考文獻

[1]李學橋.神經網絡工程應用[M].重慶：重慶大學出版社，1995.

（作者單位：天津公安警官職業學院）