【基于BP网络对轴承剩余使用寿命的预测分析案例1500字】_第1页
【基于BP网络对轴承剩余使用寿命的预测分析案例1500字】_第2页
【基于BP网络对轴承剩余使用寿命的预测分析案例1500字】_第3页
【基于BP网络对轴承剩余使用寿命的预测分析案例1500字】_第4页
【基于BP网络对轴承剩余使用寿命的预测分析案例1500字】_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于BP网络对轴承剩余使用寿命的预测分析案例基于BP网络对轴承剩余使用寿命的预测分析案例 11.1BP神经网络 11.2BP神经网络的原理 11.3BP神经网络算法 21.4BP神经网络的优缺点 31.5结果分析 41.1BP神经网络所谓“神经网路”,就是模仿人类大脑的数学模型络。BP算法是一种基于梯度下降的BP算法。为了最大限度地减少网络输出和BP神经网络是一种理论较为完善、实践性较强的智能网络，具有接近任何1.2BP神经网络的原理BP神经网络是一种多层次的前向型神经网络，它能有效地训练非线性可微各层内部结点不相连，如图3-1所示。xi图3-1BP神经网络结构BP网络的结构由前向和后向两部分组成。输出的数值是根据从输入到输出1.3BP神经网络算法BP网络的近似结构见图3-2,其中k表示网络的迭代步，而u(K)和y(K)是逼近器的输入。输入层起始值是由隐含层向前传递的。BP是一个网络逼近器，+图3-2BP神经网络逼近传递函数是BP网络的重要组成部分，又被称为激活函数，必须是连接可微的。BP函数经常采用S型的对数或正切函数和线性函数。BP网络在实现任何功能前都要对其进行学习和训练。网络的学习和训练需要有很多包括输入矢量P修正。BP网络学习算法有很多种变化形式，如：learndg和learngdm等，对应的训练函数有trainrp、traingd、BP网络学习规则的指导思想是：权值、阈值的修正按照误差下降最快的方向进行，即负梯度方向。gk表示为当前表现函数的梯度。BP网络在模式识别、图像处理、系统辨识、函数拟合、优化计算、最优预测、最优控制等方面都得到了广泛的应用。该方法具有以下特点：BP网络能近似任何非线性映射关系，只要有足够多的隐层和隐层结点；BP神经网络是一种具有很好推广性能的全局近似算法；BP网络的输入量和输入量的相关信息都是分布在网络的连接权中，单个神经元的损伤对输入量的影响很小，因此BP网络的容错能力很强。BP网络具有良好的拟合性能和推广性能，因此可以应用于神经网络控制器的开发。但是BP神经网络在实际应用中存在着很大的局限性。该方法具有参数多、收敛速度慢等缺点。由于目标函数的极值点较多，采用梯度递减法学习时，会使其陷入局部最优；隐含层和隐层的结点数量是很困难的。当前，如何依据具体问题来确定具体的网络架构，还没有较好的解决方案，还需要通过实践来试凑。Y结束N图3-3BP神经网络学习与训练过程示意图本文将轴承1_1全寿命周期作为训练集建立的预测模型，来预测轴承1_3剩余寿命。如下图3-5所示。图3-5BP神经网络预测结果0.10-0.0802004006008001000120014001600180020

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论