基于BP神經網絡的模擬電路故障診斷

孫曉莉

摘要：本文重點闡述了BP神經網絡的基本結構和訓練算法，論證這種算法實現模擬電路故障診斷的可行性，并指出了這種方法在電路故障診斷應用中存在的優勢與不足。BP神經網絡的優點是強大的模式分類能力強，缺點是需要訓練樣本數量龐大，診斷效率低。

關鍵詞：BP神經網絡；故障診斷；網絡訓練

中圖分類號：TP183 文獻標識碼：A 文章編號：1007-9416（2018）05-0101-02

在現有的人工神經網絡理論中，BP神經網絡使用最為廣泛。BP網絡（Back-Propagation Network）訓練網絡權值的算法是后向傳播學習算法，它是一種多層前向神經網絡。BP學習算法是人工智能專家Rumelhart于1986年創建的理論?，F代模擬電路故障診斷技術中應用神經網絡的基本上選擇的都是BP神經網絡。

1 BP神經網絡

1.1 BP模型結構

BP網絡是一種二值輸出、全連接的反饋型網絡。BP網絡由輸入層、中間層和輸出層組成。BP網絡的同一層的節點沒有任何聯系，但兩層之間是全連接的。根據實際的需要，此模型能設計多個隱層。上一層神經元（節點）的輸出值經過連接權值加權的結果就是和它相連接的下一層神經元的輸入。網絡中信息傳播的順序是輸入層→隱含層→輸出層。

1.2 BP算法

依據BP算法的設計理念，把BP神經網絡的學習過程可分為四步：首先是“正向傳播”過程，它是完成輸入信號的傳輸，其傳輸順序是：輸入層→隱層→輸出層。其次是是“反向傳播”過程，它的功能是把輸出的偏差反饋給輸入，其方向正好與正向傳播相反，它的傳播順序是輸出層→隱層→輸入層，再逐層修正連接權值。……