一種遺傳算法和BP算法相結合的故障診斷方法.pdf

1、目前,人工神經網絡(ANN)已成為故障診斷領域中最活躍的研究方向之一,有越來越多的研究集中于人工神經網絡的診斷上來.遺傳算法(GA)由于其并行搜索機制和全局搜索特點,可以與ANN相結合用于故障診斷.GA與ANN的結合主要表現(xiàn)在兩個方面:(1)輔助式結合;(2)合作式結合.而這種合作式結合又分成三種方式:第一種方式是固定網絡拓撲結構的情況下,利用GA確定網絡的連接權重;第二種方式是直接利用GA優(yōu)化NN的結構,然后用BP算法訓練網絡;第三種

2、方式是NN網絡學習規(guī)則的進化.本論文選取GA訓練ANN的網絡權值作為研究方向.在論文中,首先針對標準GA的不足,提出了三條改進的方案:(1)對初始種群進行正交化設計來選取;(2)變固定的交叉率和變異率為自適應變化;(3)將局部搜索能力強的爬山法與GA接合,引進自適應的正交局部搜索算子.并用改進的正交局部自適應GA對經典的多峰測試函數(shù)進行性能測試,結果表明正交局部自適應GA在各項性能指標均優(yōu)于標準GA.其次針對BP網絡中BP算法是在梯度法

3、的基礎上推導出來的,在多峰值和函數(shù)不可微時,搜索不到全局最優(yōu),易陷入局部極小的特點,把正交局部自適應GA與BP結合起來形成一種混合學習算法,再用混合學習算法訓練BP網絡.為驗證新的學習算法的性能,我們把混合智能算法進行了幾個方面的應用,通過收斂速度、誤差函數(shù)來說明混合智能學習算法在訓練神經網絡權值優(yōu)于BP算法.然后依據(jù)網絡的權值可以和故障模式相對應,把GA與BP算法相結合的混合學習算法用于某一音頻電路進行診斷,并給出了一個學習實例和故障