BP 神經(jīng)網(wǎng)絡(luò)的C 實(shí)現(xiàn)及其在故障診斷中的應(yīng)用.doc

BP神經(jīng)網(wǎng)絡(luò)的C+實(shí)現(xiàn)及其在故障診斷中的應(yīng)用王三明蔣軍成（南京化工大學(xué)南京210009）摘要：采用面向?qū)ο蟮某绦蛟O(shè)計(jì)方法(OOP)，利用C+構(gòu)造實(shí)現(xiàn)了優(yōu)化BP神經(jīng)網(wǎng)絡(luò)通用故障診斷程序，介紹了該程序構(gòu)造的關(guān)鍵技術(shù)和重要診斷程序模塊的設(shè)計(jì)；該程序具有良好操作性、擴(kuò)展性和通用性，診斷實(shí)例表明此神經(jīng)網(wǎng)絡(luò)故障診斷模型的準(zhǔn)確性。關(guān)鍵詞：面向?qū)ο蟮某绦蛟O(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)故障診斷1.引言人工神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)和并行處理等特點(diǎn)以及很強(qiáng)的輸入輸出非線形映射能力和易于學(xué)習(xí)和訓(xùn)練的優(yōu)點(diǎn)，已被廣泛應(yīng)用于多個(gè)領(lǐng)域。面向?qū)ο蟮某绦蛟O(shè)計(jì)（OOP）風(fēng)格，具有良好的概括、分類和抽象能力，該方法已被廣泛應(yīng)用于程序設(shè)計(jì)語言、形式定義、操作系統(tǒng)、人工智能、實(shí)時(shí)系統(tǒng)、數(shù)據(jù)庫等多種領(lǐng)域?，F(xiàn)存多種類型的神經(jīng)網(wǎng)絡(luò)，在拓?fù)浣Y(jié)構(gòu)和神經(jīng)元權(quán)值信息的整體表現(xiàn)形式上具有很大的共性，而采用OOP實(shí)現(xiàn)這些共性是非常有效的。本文采用OOP法，利用C+語言實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)通用程序，以促進(jìn)神經(jīng)網(wǎng)絡(luò)的在故障診斷中的更好應(yīng)用。2.OOP方法簡介3OOP（Oject-OrientedProgramming）是模塊設(shè)計(jì)的一種有效程序設(shè)計(jì)方法。OOP的包括幾個(gè)重要概念：對(duì)象（object）它不僅代表了普遍使用的物體的直接抽象，而且對(duì)用戶掩遮了實(shí)現(xiàn)的復(fù)雜性；類(class)；繼承(inheritance)；多態(tài)性(polymorphism)，在C+中主要體現(xiàn)在虛函數(shù)的應(yīng)用上；類模板（template）在C+中允許單個(gè)的類處理通用的數(shù)據(jù)類型T。OOP中的類結(jié)構(gòu)通過類接口和類實(shí)現(xiàn)分離開來支持信息隱藏，這種分離允許類接口映射到多種不同實(shí)現(xiàn)，對(duì)用戶掩蔽了實(shí)現(xiàn)的復(fù)雜性。繼承機(jī)制使對(duì)象具有很好的可擴(kuò)展性，也易于實(shí)現(xiàn)軟件的重用。這些特性都非常適合于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。3.BP故障診斷神經(jīng)網(wǎng)絡(luò)模型及其C+實(shí)現(xiàn)3.1BP故障診斷神經(jīng)網(wǎng)絡(luò)模型BP網(wǎng)絡(luò)由多個(gè)網(wǎng)絡(luò)層構(gòu)成，其中包括一個(gè)輸入層、一個(gè)或幾個(gè)隱層、一個(gè)輸出層，層與層之間采用全互連接，同層神經(jīng)元之間不存在相互連接。BP網(wǎng)絡(luò)的學(xué)習(xí)過程由前向傳播和反向傳播組成，在前向傳播過程中，輸入模式經(jīng)輸入層、隱層逐層處理，并傳向輸出層，如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播過程，將誤差值沿連接通路逐層反向傳送，并修正各層連接權(quán)值。對(duì)于給定的一組訓(xùn)練模式，不斷用一個(gè)訓(xùn)練模式訓(xùn)練網(wǎng)絡(luò)，重復(fù)前向傳播和誤差反向傳播過程，直至網(wǎng)絡(luò)均方誤差（Ep）小于給定值為止。前向傳播的過程按（1）式進(jìn)行，反向傳播過程按（3）、（4）進(jìn)行。節(jié)點(diǎn)輸出：Oj=f(WijXi-j)（1）Oj節(jié)點(diǎn)輸出；Xi節(jié)點(diǎn)輸入；Wij-節(jié)點(diǎn)連接權(quán)值；f-非線形作用函數(shù)；-神經(jīng)單元閾值。權(quán)值修正：Wij(n+1)=aEiOj+Wij(n)（2）a-學(xué)習(xí)因子(根據(jù)輸出誤差動(dòng)態(tài)調(diào)整)；-動(dòng)量因子；Ei-計(jì)算誤差。誤差計(jì)算：Ep=1/2(tpi-Opi)2（3）tpi-i節(jié)點(diǎn)的期望輸出值；Opi-i節(jié)點(diǎn)計(jì)算輸出值。3.2BP診斷網(wǎng)絡(luò)模型的C+構(gòu)造實(shí)現(xiàn)用C+實(shí)現(xiàn)BP網(wǎng)絡(luò)診斷模型，包括兩大模塊，即網(wǎng)絡(luò)模型數(shù)據(jù)結(jié)構(gòu)模塊和網(wǎng)絡(luò)功能函數(shù)模塊。（1）模型數(shù)據(jù)結(jié)構(gòu)模塊為了實(shí)現(xiàn)BP模型算法，并使程序結(jié)構(gòu)清晰、易于閱讀、擴(kuò)展，采用了指針、數(shù)組及結(jié)構(gòu)技術(shù)，定義了以下網(wǎng)絡(luò)模型數(shù)據(jù)結(jié)構(gòu)。Typedefstructintn_inputs,n_outputs；/n_inputs-輸入層節(jié)點(diǎn)數(shù)；n_inputs-輸出層節(jié)點(diǎn)數(shù)intn_nhlayers,*nunit；/n_nhlayers-隱層數(shù)；*nunit-各隱層節(jié)點(diǎn)數(shù)floatrate,momentum；/rate-學(xué)習(xí)因子；momentum-動(dòng)量因子float*weights,*dweights；/*weights-連接權(quán)值；*dweights-權(quán)值修正值floatinputij；/inputij-學(xué)習(xí)樣本集floatouts_hlayer,outs_olayerij；/outs_hlayer-隱層輸出；outs_olayerij-輸出層輸出BP_network；（2）模型功能函數(shù)模塊該BP程序所包含的函數(shù)較多，下面簡單介紹幾個(gè)關(guān)鍵函數(shù)及其功能。Setup(intn_inputs,intn_outputs,intn_nhlayers,int*nunit,floatrate,floatmomentum)的功能：根據(jù)給定的模型參數(shù)，創(chuàng)建一個(gè)BP網(wǎng)絡(luò)模型。有兩種方法建立網(wǎng)絡(luò)模型：由用戶在程序界面輸入模型的各個(gè)參數(shù)；由程序自動(dòng)調(diào)用Read_network()函數(shù)可直接從一定格式的網(wǎng)絡(luò)模型輸入文件中一次性讀入網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及網(wǎng)絡(luò)權(quán)值，自動(dòng)完成神經(jīng)網(wǎng)絡(luò)模型的建立過程，從而對(duì)用戶掩蔽了網(wǎng)絡(luò)實(shí)現(xiàn)的復(fù)雜性。Initweight()的功能：初始化網(wǎng)絡(luò)的連接權(quán)值：即01之間的random()。Feedforward()的功能：實(shí)現(xiàn)BP網(wǎng)絡(luò)的前向傳播過程。Feedback()的功能：實(shí)現(xiàn)網(wǎng)絡(luò)的誤差反向傳播，同時(shí)修正網(wǎng)絡(luò)的權(quán)值。Read_network()的功能：從一定格式的網(wǎng)絡(luò)模型文件中直接讀取網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及權(quán)值參數(shù)值，供Setup()自動(dòng)建立BP網(wǎng)絡(luò)模型。Read_example()的功能：從一定格式的診斷樣本文件中一次性裝載網(wǎng)絡(luò)學(xué)習(xí)樣本集，并傳遞給inputij。Write_network()的功能：以一定格式記錄保存學(xué)習(xí)后生成的網(wǎng)絡(luò)模型，包括拓?fù)浣Y(jié)構(gòu)、權(quán)值、迭代次數(shù)、輸出誤差等值，以便Read_network()直接讀取，使網(wǎng)絡(luò)模型一旦建立，可重用。Write_example()的功能：當(dāng)診斷輸出結(jié)果較理想時(shí)，把診斷過的診斷樣本和其結(jié)果增加到網(wǎng)絡(luò)學(xué)習(xí)樣本集中，使網(wǎng)絡(luò)學(xué)習(xí)樣本集隨著網(wǎng)絡(luò)學(xué)習(xí)的增加而不斷壯大、充實(shí)。通用BP神經(jīng)網(wǎng)絡(luò)診斷程序的主流程見圖1。圖1BP神經(jīng)網(wǎng)絡(luò)故障診斷模型程序圖Fig1ProgramgraphoffaultdiagnosismodulewithBPnetwork4.故障診斷實(shí)例在診斷對(duì)象的結(jié)構(gòu)和參數(shù)未知或部分未知時(shí)，神經(jīng)網(wǎng)絡(luò)被廣泛地應(yīng)用在故障診斷這樣的智能應(yīng)用領(lǐng)域。下面利用上述的BP神經(jīng)網(wǎng)絡(luò)診斷程序來對(duì)磨削燒傷進(jìn)行故障診斷來加以說明BP神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用可行性和準(zhǔn)確性。表1列出了部分進(jìn)行歸一化處理后的5組磨削燒傷診斷的BP學(xué)習(xí)樣本（共100個(gè)學(xué)習(xí)樣本）,每一個(gè)學(xué)習(xí)樣本由6種征兆參數(shù)值組成，也就是每一個(gè)學(xué)習(xí)樣本所對(duì)應(yīng)的狀態(tài)正常與否由這6個(gè)征兆的權(quán)重共同決定。表1磨削燒傷故障診斷網(wǎng)絡(luò)學(xué)習(xí)樣本Table1Learningexamplesoffaultdiagnosisforburnduringgrinding樣本號(hào)征兆1征兆2征兆3征兆4征兆5征兆6狀態(tài)10.88150.65210.89790.73600.25670.11250.99（正常）20.87590.57000.87150.67810.18540.09650.97（正常）30.81650.55890.89460.74550.15650.09000.98（正常）40.56060.04910.68300.53600.61010.49400.40（異常）50.84460.81280.66030.44130.99980.99890.41（異常）經(jīng)過網(wǎng)絡(luò)反復(fù)自學(xué)習(xí)后，當(dāng)BP故障診斷神經(jīng)網(wǎng)絡(luò)模型參數(shù)為:n_inputs=6；n_outputs=1；隱層層數(shù)n_nhlayers=1；隱層節(jié)點(diǎn)數(shù)nunit=8；學(xué)習(xí)因子rate=0.3；動(dòng)量因子momentum=0.1；預(yù)設(shè)誤差error=0.001時(shí)，網(wǎng)絡(luò)收斂速度最快：迭代2547次后，達(dá)到預(yù)設(shè)誤差要求收斂。利用學(xué)習(xí)后建立的故障診斷網(wǎng)絡(luò)模型來進(jìn)行待診斷樣本的診斷，將診斷后的結(jié)果與各個(gè)征兆的隸屬度權(quán)重知識(shí)庫進(jìn)行貼近度比較，得出待診樣本1與學(xué)習(xí)樣本2最接近，因此將其診斷為正常；而待診樣本2與學(xué)習(xí)樣本5最接近，因此將其診斷為異常，診斷結(jié)果見表2。表2待診斷故障樣本及其診斷結(jié)果Table2Examplestobediagnosedandresults待診樣本編號(hào)征兆1征兆2征兆3征兆4征兆5征兆6診斷結(jié)果10.75730.48100.89450.73720.40540.17930.9733（正常）20.84450.81280.66030.44140.99800.98890.4072（異常）5.總結(jié)本文采用C+構(gòu)造實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)模型算法通用程序，該模型程序具有較好的移植性和通用性,對(duì)于開發(fā)其它神經(jīng)網(wǎng)絡(luò)程序具有一定的借鑒意義。故障診斷實(shí)例表明該BP故障診斷模型程序的可行性，并且收斂速度快、診斷正確。參考文獻(xiàn)1.蔣軍成，王省身.煤層自燃危險(xiǎn)性預(yù)測(cè)的人工神經(jīng)網(wǎng)絡(luò)方法.中國礦業(yè)大學(xué)學(xué)報(bào)，1997,3：19-22.2.彭寧,蔣靜坪.面向?qū)ο蟮纳窠?jīng)網(wǎng)絡(luò)程序設(shè)計(jì)及其在非線形動(dòng)態(tài)系統(tǒng)辨識(shí)中的應(yīng)用.科技通報(bào)，1999,15（3）：193-1953.張慶年.前饋神經(jīng)網(wǎng)絡(luò)的特性分析與應(yīng)用.武漢交通科技大學(xué)學(xué)報(bào)，1999,23（4）：372-374RealizationofBPNetworkwithC+andItsApplicationinFaultDiagnosisWangSanmingJiangJuncheng(CollegeofMechanicEngineering,NanjingUniversityofTechnology,Nanjing,210009)AbstractAuniversalBPprogramhasbeendesignedwithC+bythewayofOOP(Object-OrientedProgramming).Thekeytechniqueandimportantfunctionmodulesdesignoftheprogramhavebeenintroduced.ThentheBPprogramisusedinfaultdiagnosis.Thediagnosismodulewith