近些年來(lái)，由于計(jì)算機(jī)技術(shù)、信號(hào)處理、人工智能、模式識(shí)別技術(shù)的發(fā)展，促進(jìn)了故障診斷技術(shù)的不斷發(fā)展，大型復(fù)雜電子設(shè)備的出現(xiàn)，使得人們更迫切地希望能提高整體可靠性與維修性，這就給故障診斷提出了更高的要求。因此，對(duì)故障診斷技術(shù)的研究有著重要的理論及現(xiàn)實(shí)意義。

1 BP神經(jīng)網(wǎng)絡(luò)故障診斷模型

一個(gè)神經(jīng)網(wǎng)絡(luò)用于故障診斷時(shí)，主要包括三層：輸入層，即從設(shè)備對(duì)象接收各種故障信息和現(xiàn)象；中間層，是把從輸入層得到的故障信息，經(jīng)內(nèi)部的學(xué)習(xí)和處理，轉(zhuǎn)化為針對(duì)性的解決辦法；輸出層，是針對(duì)輸入的故障形式，經(jīng)過(guò)調(diào)整權(quán)值后得到的故障處理方法。對(duì)于一個(gè)新的輸入狀態(tài)信息，訓(xùn)練好的網(wǎng)絡(luò)將由輸出層給出故障識(shí)別結(jié)果。BP神經(jīng)網(wǎng)絡(luò)故障診斷模型如圖1所示。

2 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化——共軛梯度法   

雖然神經(jīng)網(wǎng)絡(luò)模型已成功應(yīng)用于模式識(shí)別、函數(shù)逼近、時(shí)間序列預(yù)測(cè)等領(lǐng)域，但是由于BP學(xué)習(xí)算法僅改變網(wǎng)絡(luò)的連接值和閾值，不改變網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，因此BP網(wǎng)絡(luò)在處理具體問(wèn)題時(shí)還存在收斂速度慢，易陷入局部極小值等缺點(diǎn)。為了解決BP網(wǎng)絡(luò)訓(xùn)練的缺點(diǎn)，人們提出了多種有益的改進(jìn)方法。

本文研究了共軛梯度法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計(jì)，基本思想如下：

傳統(tǒng)的前向多層網(wǎng)絡(luò)的BP學(xué)習(xí)算法實(shí)質(zhì)上是無(wú)約束的最速下降法，改進(jìn)的BP算法是對(duì)最速下降法作了一些約束；而共軛梯度法則是介于最速下降法和牛頓法之間的一種方法，它僅需要利用一階導(dǎo)數(shù)信息，不僅克服了BP學(xué)習(xí)算法收斂慢的缺點(diǎn)，又避免了存儲(chǔ)和計(jì)算牛頓法所需要的二階導(dǎo)數(shù)信息。共軛梯度法的計(jì)算步驟和最速下降梯度法差別不大，主要差別在于搜索方向不同，即每一步的方向不是梯度的負(fù)方向，而是一種共軛的方向。由原來(lái)的負(fù)梯度方向加上一個(gè)修正項(xiàng)得到共軛方向，也就是使得最速下降法具有共軛性，從而提高算法的有效性和可靠性。共軛梯度法應(yīng)用于神經(jīng)網(wǎng)絡(luò)中的目的是求誤差函數(shù)E(W)的最小值。算法主要是利用共扼梯度方向來(lái)修正權(quán)值W，使W的確定更為快速，計(jì)算過(guò)程如下；   

(1)初始化權(quán)值W1，令k=1；
   
(2)計(jì)算網(wǎng)絡(luò)的負(fù)梯度矢量：
   
設(shè)p1=r1=-E’(W1)，式中E’(W1)是根據(jù)BP算法求出的負(fù)梯度。

(3)計(jì)算步長(zhǎng)ak：

式中：En(W1)為誤差函數(shù)對(duì)權(quán)值矢量W的二次導(dǎo)數(shù)。

(4)調(diào)整權(quán)值：

(5)如果k除以樣本數(shù)N的余數(shù)為零時(shí)，pk+1=rk+1，否則計(jì)算新的搜索方向：

(6)如果梯度方向∣rk∣>ε，則置k=k+1，否則停止，Wk+1為所求權(quán)值矢量。

3診斷實(shí)例

現(xiàn)以一電子設(shè)備為診斷對(duì)象，驗(yàn)證優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法。樣本數(shù)據(jù)從測(cè)試口測(cè)試獲得，一共6個(gè)測(cè)試點(diǎn)，10個(gè)板卡故障。診斷步驟如下：

(1)故障特征提取

表1為實(shí)驗(yàn)測(cè)得的故障樣本數(shù)據(jù)；表2為歸一化后的數(shù)據(jù)，其激活函數(shù)采用S型函數(shù)f=1／(1+e-ax)；表3為神經(jīng)網(wǎng)絡(luò)的目標(biāo)輸出模式，1表示有故障，0表示正常。

(2)BP網(wǎng)絡(luò)的訓(xùn)練

取輸入節(jié)點(diǎn)N1=6，輸出節(jié)點(diǎn)N3=11，隱層節(jié)點(diǎn)采用，a取1～10，本實(shí)驗(yàn)中a取7(根據(jù)訓(xùn)練誤差曲線(xiàn)調(diào)整而得)，N2=15。學(xué)習(xí)率η=0.2，訓(xùn)練誤差E<0.005，最大訓(xùn)練次數(shù)n=1 000。圖2為BP網(wǎng)絡(luò)的訓(xùn)練誤差曲線(xiàn)。

(3)BP網(wǎng)識(shí)別結(jié)果分析

①用樣本自身數(shù)據(jù)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，其識(shí)別結(jié)果見(jiàn)表4。與故障模式對(duì)比分析可知，自身數(shù)據(jù)檢測(cè)正確率為100％?？梢?jiàn)，該網(wǎng)絡(luò)達(dá)到了訓(xùn)練的要求。

②任取4組測(cè)試數(shù)據(jù)見(jiàn)表5，觀(guān)察其識(shí)別結(jié)果。表6為歸一化后的測(cè)試數(shù)據(jù)，表7為識(shí)別結(jié)果。與故障模式對(duì)比可知，第一組數(shù)據(jù)對(duì)應(yīng)的故障是MA-1；第二組數(shù)據(jù)對(duì)應(yīng)的故障是MB-2；第三組數(shù)據(jù)對(duì)應(yīng)的故障是MD；第四組數(shù)據(jù)對(duì)應(yīng)的故障是MG。由此可見(jiàn)，本網(wǎng)絡(luò)不僅能識(shí)別樣本本身的故障，而且能準(zhǔn)確診斷樣本以外的數(shù)據(jù)故障。

4 結(jié)  語(yǔ)

本次實(shí)驗(yàn)中的BP神經(jīng)網(wǎng)絡(luò)采用共軛梯度法進(jìn)行優(yōu)化設(shè)計(jì)，由實(shí)驗(yàn)數(shù)據(jù)可知，該網(wǎng)絡(luò)能夠準(zhǔn)確診斷數(shù)據(jù)的故障狀態(tài)，可見(jiàn)，該方法能夠成功應(yīng)用于設(shè)備的故障診斷中。故障診斷是一門(mén)實(shí)用性很強(qiáng)的技術(shù)，因此只有在實(shí)際應(yīng)用中才能體現(xiàn)它的價(jià)值，目前在理論研究方面雖有不少進(jìn)展，但真正在工程實(shí)踐中成功應(yīng)用的實(shí)例還較少，因此如何將先進(jìn)的故障診斷理論與方法應(yīng)用到實(shí)際中，還有待更深入的研究。