基于BP的柴油机磨损时间序列预测模型地研究.pdfVIP

V01．28 第28卷专辑 中国矿业大学学报 Monogr*ph of Oct．1999 China of 1999年10月 Journai UniversityMining＆Technology 基于BP的柴油机磨损时间序列预测模型的研究 殷勇辉严新平萧汉梁 (武汉交通科技大学湖北武汉480063) 摘要借助前馈BP神经网络，讨论了时间序列的柴油机预测模型，并对预测结果和作用做了分 析比较，结果表明，该模型预测值与实测结果令人满意． 关键词磨损，神经网络，时问序列，柴油机 117 中图分类号TH 第一作者简介般勇辉，男 通过对柴油机运行工况的铁谱、光谱分析，可 BP网络除同层节点间没有任何耦合，输入信 以获得摩擦副的磨损信息．铁曾分析中的浓度值和 号从输入层节点依次传过各隐层节点，然后传到输 光谱分析中各种元素浓度值，标志着磨损状态的变 出节点，每一层节点的输出只影响下一层节点的输 化和磨损程度的等级，而利用现有的数据对磨损趋 出，每个节点都具有相同的单个神经元结构，其单 势进行预测预报，可以对未来的监测和维修提供帮 元特性(传递函数)通常为sigmold型．神经网络预 助，并可以降低故障损失的程度．BP神经网络以其 测不需事先对序列的特征做假设，适用于平稳和非 高度的非线性和自组织自学习能力得到了广泛应 平稳信号，时间序列模型根据￡时刻．以前的观测 用，是目前最流行的神经网络模型之一．本文建立 值作为输入，将下一个时刻的值作为输出，即可训 了基于BP网络的时间序列模型，根据相邻的观测 练网络． 值预测未来时刻的事件值．结果证明它具有很好的 当输入值已知，则输出值就为预测值．借助第 预测效果．而借助于时问序列的模型的动态性可以 一次预报值作为输入，可进行多步预测． 将数据进行多步预报． 1．2模型分析 在宴际应用中BP算法存在收敛速度幔，局部 1预测模型的建立 极值和隐层和隐节点书难以确定．我们采用了动量 1．1模型的构造 和自适应调整学习率算法．提高了学习速度和增加 BP神经网络由大量的简单的神经元互相连接 了算法的可靠性． 而成，BP神经网络是一种有导师的人工神经网络 BP算法是误差驱动的梯度算法，其误差能量 模型，模型按层次可分为：；部分输人单元、输出单 定义为 元和一层或多层隐层．它属于前馈型单向传播的多 1一 Ep=古∑“m一0”)2， (1) 。 层神经网络，采用逆差逆向传播疗式，通过调整权 J 值及阈值满足均方误差最小的原则，从而获得领域 式中：f。和0，，分别为第P次训练时川申经元的期 望输出和实际输出． 知识，其基本结构如图1所示． 自适应调整学习率算法权重修正公式为 X