BP神经网络及其应用

摘要:人工神经网络是最近发展起来的十分热门的交叉学科,有着非常广泛的应用前景。文着重研究了BP神经网络结构、算法原理、介绍了BP网络改进算法,最后将改进的BP算法应用与变压器故障诊断。

关键词: BP神经网络;应用;故障诊断

1、神经元模型

人工神经网络(Artificial Neural Networks,ANN)是对人脑神经系统的近似模拟。神经网络由许多人工神经元互连组成,能接受并处理信息,网络的信息处理由神经元之间的连接权值来实现。

1943年,McDulloh和Pitts根据生物神经元的结构和功能,建立了人工神经元模型

如图1,一个基本的神经元i,它有n个输入,每个输入都通过一个适当的权值w 与神经元相连。是神经元的输入, 是神经元i的阀值; ,分别是神经元i对

的权值;是神经元的输出;圆形代表内部求和函数,它将输入求和得到神经元的静输入。f( )是神经元的激励函数,它决定神经元受到输入时的输出。激励函数f( )有多种形式,如Sigmoid函数、阶跃函数和线性函数等。

2、BP神经网络基本思想

将BP网络理论学习算法转化为实际的学习过程,其原理如下:如图4-2所示,令I = { a1,..., an}为输入层故障诊断向量,O={ c1,..., cj}为输出层故障诊断向量,H={b1,,...,bp}为隐含层神经元数,V=Vn×p与W=Wp×q,为各层之间连接权值,K=(1,2,..., m)为给定的样本数。先给LI层单元与LH层单元之间、LH层单元与LO层单元之间的连接权以及LH层单元阀值θi、LO层单元阀值γi赋[-ε,+ε]区间的随机值份(ε≦1)。

对每个模式对(A k,Tk)(k=1,2,...,m)的学习步骤如下:

(1)将输入模式Ak送到LI层,LI层单元的激活值ah通过连接权矩阵V送到LH层,产生LH层新的净输入netbi,进而产生LH层单元的输出值bi 式中h=1,2,...,n;i=1,2,...,q。

重复上述步骤,直至总体误差平方和达到期望值为止。

经过学习后,BP神经网络输入故障征兆向量I={a1,...,an}后,其输出