文件名称:
遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar
开发工具:
文件大小: 145kb
下载次数: 0
上传时间: 2019-08-13
详细说明： 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究-遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究，包括论文、实现程序、说明以及遗传算法的工具箱。 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究 摘要： 在某型导弹测试设备故障诊断神经网络知识库的组建过程中，针对BP算法易陷入局部极小、收敛速度慢的缺点，根据遗传算法具有全局寻优的特点，将二者结合起来形成一种训练神经网络的混合算法¬¬¬¬¬¬¬-GA-BP算法；通过算法比较和实例结果分析，表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中，并可方便地应用于其它方面。 关键词：神经网络 BP算法 遗传 算法 导弹测试 故障诊断 1引言 对于导弹等大型复杂的设备，在进行故障诊断时，很难建立一个足够精确的模型来描述这样一个系统，利用传统的识别手段很难解决问题，近年来，人工神经网络的发展为解决这个问题提供了有效的途径。 神经网络在进行故障诊断时多采用BP网络，BP算法的优点是寻优具有精确性，但同时存在一些缺点，最主要的是易陷入局部极小、收敛速度慢和引起振荡效应等。由于遗传算法具有很强的宏观搜索能力，且能以较大的概率找到全局最优解，所以用它来完成前期的搜索能较好的克服BP算法的缺点。本文将二者结合起来，形成一种混合训练算法－GA-BP算法，达到优化网络的目的。 2 导弹测试设备故障诊断神经网络知识库的组建 在某型导弹测试设备故障诊断神经网络知识库的组建中，针对导弹地面设备结构复杂，系统性强，各分系统相互影响、制约的特点，对系统进行了特点分析和分类归纳，采用层次分类原理进行层次分类，然后分层次诊断，以保证诊断的快速性。 地面测试设备的故障是与测试步骤、测试动作相联系的，而且故障又可归类在指示灯、测试仪表及其它三类之中，指示灯涵盖了测试设备的所有指示灯，对于每一个指示灯的故障又可细分为动作过后不亮、不灭或具有时延性的亮或灭等；对于仪表故障，可分为无读数或读数不对等；其它类故障包含数据传输错误、计算机显示错误等，故障定位网络主要根据以上所述完成故障的定位，它通过对测试信号的判别（在线）或用户的选择（离线）对故障进行分类，其输出对应第二层的输入。例如，在建立的故障诊断系统的诸多神经子网络中，有一仪表网络，其输入输出符号定义如下： x1: 电压表1是否指示正确 0 正确 1 不正确 x2: 漏电表显示是否漏电 0 不漏电 1 漏电 x3： 电压表2是否指示正确 0 正确 1 不正确 x4： 寿命钟是否有显示 0 有显示 1 无显示 x5： 温度表p6是否损坏 0 未损坏 1 损坏 y1： 调压旋钮BP1,BP2是否有故障 0 没有 1 有 y2： 计算机组合与系统地是否绝缘 0 绝缘 1不绝缘 y3： 寿命钟是否损坏 0 未损坏 1 损坏 y4 ：CZ/CT等是否不通 0 通畅 1 不通 据此建立神经网络，它具有5个输入神经元，4个输出神经元，隐含神经元数取为6个。其训练样本如表1所示。 表1 某子网络训练样本 样本号 输 入 输 出 x1 x2 x3 x4 x5 y1 y2 y3 y4 1 0 0 0 0 0 0 0 0 0 2 1 0 0 0 1 1 0 0 0 3 0 1 0 0 1 0 1 0 0 4 0 0 1 0 0 0 0 1 0 5 0 0 0 1 0 0 0 0 1 随后编制程序自动将上述表格分别读入不同的初始文件中，再用GA-BP算法进行神经网络学习，并将结果权值存入知识库中，即建立了其中一个神经子网络知识库。 3基于遗传算法的神经网络训练方法 遗传算法（Genetic Algorithm－GA）是一种基于自然选择和基因遗传学原理的优化搜索方法。它将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中，按照一定的适配值函数及一系列遗传操作对各个体进行筛选，从而使适配值高的个体被保留下来，组成新的群体，新群体中各个体适应度不断提高，直至满足一定的极限条件。此时，群体中适配值最高的个体即为待优化参数的最优解。正是由于遗传算法独具的工作原理，使它能够在复杂空间进行全局优化搜索，并且具有较强的鲁棒性。 遗传算法应用于神经网络的一个方面是用来优化人工神经网络的结构，另一个方面是用GA学习ANN的权重，也就是用遗传算法取代一些传统的学习算法。 遗传算法和神经网络在导弹测试设备故障诊断中的应用研究.rar
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
相关搜索:
