优化的BP神经网络在电子设备故障诊断中的应用
设p1=r1=-E’(W1)，式中E’(W1)是根据BP算法求出的负梯度。
(3)计算步长ak：
式中：En(W1)为误差函数对权值矢量W的二次导数。
(4)调整权值：
(5)如果k除以样本数N的余数为零时，pk+1=rk+1，否则计算新的搜索方向：
(6)如果梯度方向OrkO>ε，则置k=k+1，否则停止，Wk+1为所求权值矢量。
3诊断实例
现以一电子设备为诊断对象，验证优化的BP神经网络算法。样本数据从测试口测试获得，一共6个测试点，10个板卡故障。诊断步骤如下：
(1)故障特征提取
表1为实验测得的故障样本数据；表2为归一化后的数据，其激活函数采用S型函数f=1／(1+e-ax)；表3为神经网络的目标输出模式，1表示有故障，0表示正常。
(2)BP网络的训练
取输入节点N1=6，输出节点N3=11，隐层节点采用，a取1～10，本实验中a取7(根据训练误差曲线调整而得)，N2=15。学习率η=0.2，训练误差E0.005，最大训练次数n=1 000。图2为BP网络的训练误差曲线。
(3)BP网识别结果分析
①用样本自身数据输入训练好的神经网络中，其识别结果见表4。与故障模式对比分析可知，自身数据检测正确率为100％。可见，该网络达到了训练的要求。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
