论文部分内容阅读
随着诊断技术的激烈竞争和计算机技术的迅猛发展，设备的状态检测与故障诊断已成为现代工业生产、航空航天和国防建设中的重要内容，也是科学界研究的热点之一。本文在分析各种神经网络算法的基础上，着重研究了BP算法在故障诊断中的应用。
为了建立新的算法模型，本文首先详细研究了学习自动机理论，建立了静态和动态两类模型，制定了学习自动机的性能评估规则，讨论了动态学习自动机线性学习规则及其算法的参数选择，并理论证明了线性学习规则的收敛性。
在此基础上，本文建立了结合学习自动机的改进型BP算法模型，即利用学习自动机自适应优化BP模型中的动量系数和学习速率系数，使其在误差曲面的搜索过程中根据梯度变化率自动调整两个参数值，加快收敛速度。改进的BP算法运用到了电子电路的故障诊断模型中，并通过实验数据分析证明，结合学习自动机的BP算法较标准的BP算法在故障诊断中的训练速度和准确率都得到了提高，具有较高的实用价值。