freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

電子電路故障診斷系統(tǒng)設(shè)計(編輯修改稿)

2025-09-04 15:14 本頁面
 

【文章內(nèi)容簡介】 出的數(shù)據(jù): n=[ 電子電路故障診斷系統(tǒng)設(shè)計 12 ] 寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(論文) 13 3 基于 BP 神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷 神經(jīng)網(wǎng)絡(luò)的故障診斷 神經(jīng)網(wǎng)絡(luò)的故障診斷過程如圖 所示。主要分為兩個過程,即訓(xùn)練過程 (虛 線所示 ),以及測試過程 (實線所示 )。首先我們對電路進行波形模擬,得出故障值,并提取故障值的特征數(shù)據(jù)作用訓(xùn)練樣本,確立出適合診斷研究的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),并且利用 matlab 算法去測試算法,這樣就可以把樣本訓(xùn)練成熟便于后續(xù)故障的測試。這樣當(dāng)需進行故障診斷時,只需要將故障電路的特征值進行提取,然后在做好的神經(jīng)網(wǎng)絡(luò)中進行測試即可確定故障的類型 [7]。 圖 基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷原理圖 神經(jīng)網(wǎng)絡(luò)基本原理 神經(jīng)網(wǎng)絡(luò)的基本單位是神經(jīng)元。神經(jīng)元的特性往往在某種程度上決定著神經(jīng)網(wǎng)絡(luò)的總體特性,一個神經(jīng)網(wǎng)絡(luò)的構(gòu)成,包含著許許多多的神經(jīng)元,而不是孤立的單個神經(jīng)元就可稱之為神經(jīng)網(wǎng)絡(luò)。常見的神經(jīng)元模型如圖 所示 [8]。 定義電路故障集 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 測試信號 神經(jīng)網(wǎng)絡(luò) 診斷電路 電路響應(yīng)信號 電路故障特征提 取 故障分類 Σ ? a b 1 ω (1,1) ω (1,R) P(1) P(2) P(R) 構(gòu)造神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集 確定確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 電子電路故障診斷系統(tǒng)設(shè)計 14 圖 神經(jīng)元模型 由圖 所示,常見的神經(jīng)元模型由下列幾部分組成: 1)輸入: Rppp , 21 ? 代表神經(jīng)元 R 個輸入。在 MATLAB 中,輸入可以用一個 1?R 維的列矢量p 來表示(其中 T 表示取轉(zhuǎn)置) ? ?TkpppP ,....,p 321,? ( ) ( 2)網(wǎng)絡(luò)權(quán)值和閾值: R ,12,11,1 , ? 代表網(wǎng)絡(luò)權(quán)值,表示輸入與神經(jīng)元之間的連接強度, b 為神經(jīng)元閾值,可以看作是一個輸入恒為 1 的網(wǎng)絡(luò)權(quán)值。在 MATLAB 中神經(jīng)元的網(wǎng)絡(luò)權(quán)值可以用一個R?1 的行矢量 w 來表示。 ? ?R ,12,11,1 ,...,w ? () 閾值 b 為 11? 的標(biāo)量。注意:網(wǎng)絡(luò)權(quán)值和閾值都是可以調(diào)節(jié)的,這是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)特性的基本內(nèi)容之一。 求和單元完成對輸入信號的加權(quán)求和,即: bwpnRi ii?? ??1 ,1 ( ) 這是神經(jīng)元對輸入信號處理的第一個過程。在 MATLAB 語言中,該過程可以通過輸入矢量和權(quán)值矢量的點積形式加以描述,即: bpwn ?? * ( ) ( 4)傳遞函數(shù): 在表 中 f 表示神經(jīng)元的傳遞函數(shù)或激發(fā)函數(shù),它用于對求和單元的計算結(jié)果進行函數(shù)運算,得到神經(jīng)元的輸出。表 給 出了幾種典型的神經(jīng)元傳遞函數(shù)形式及描述。 表 幾種典型的神經(jīng)元傳遞函數(shù)形式 傳遞函數(shù)的名稱 函數(shù)表達式 函數(shù)曲線 MATLAB 函數(shù) 閾值函數(shù) Bardim a=hardlim(n) 0 a 1 +1 +1 n 0001)( ?????? xxxf寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(論文) 15 線性函數(shù) kxxf ?)( Purelin 對數(shù) sigmoid 函數(shù) )1( 1)(xexf ??? Logsig 正切 sigmoid 函數(shù) )(tan)( xbxf ? tansig BP 網(wǎng)絡(luò)用于故障診斷的基本思想 BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用在故障診斷上提 高了以往傳統(tǒng)方法難以達到的準(zhǔn)確性,其研究的思路主要是:首先確定電路的故障,對于故障值的確定是根據(jù)正常值及故障值的波形對比,從而獲得較典型的故障參數(shù),把電路中容易出故障的器件都找出來作出故障集。而后對這些故障一一提取特征值。特征值提取后對這樣特征值進行分組,每個故障的特征值分為 20組,前 10 組用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,后 10 組用于神經(jīng)網(wǎng)絡(luò)的測試。另外要指出的是,在做實際電路診斷時,每次故障值的波形對比取得故障值均是在外界相同條件下進行的,例如相同信號的激勵,這樣獲得的特征值才會更準(zhǔn)確,有效避免其它因素的干擾。 BP 神 經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本并測試樣本后,會輸出相應(yīng)的期望值和實際的輸出值,并能給出分類模擬的正確百分比,表示出 BP 神經(jīng)網(wǎng)絡(luò)故障診斷的準(zhǔn)確率 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計 訓(xùn)練樣本的獲取及輸入輸出模式的確定 ( 1)訓(xùn)練樣本的獲取 訓(xùn)練樣本 的獲取直接決定了 BP 網(wǎng)絡(luò)的應(yīng)用 的 成敗, 不當(dāng)?shù)挠?xùn)練樣本很可能會出現(xiàn)網(wǎng)絡(luò)訓(xùn)練的不收斂 。從系統(tǒng) 整體 的角度 來說 , 如果 F 是一個獨立而不受外界干擾 的理想封閉系統(tǒng) , X=( x1, x2,...xm)為系統(tǒng)輸入向量, Y=( y1, y2,...,yn)為系統(tǒng)輸出向量, 輸入和輸出滿足 Y = fX, 我們認為 對樣本數(shù)據(jù)的擬合度越高 , 對系統(tǒng)模擬的越成功 [9]。所以樣本a=logsig(n) 0 a 1 +1 +1 n a=purelin(( ) 0 a 1 +1 +1 n a=tansig(n) 0 a 1 +1 +1 n 電子電路故障診斷系統(tǒng)設(shè)計 16 數(shù)據(jù)的獲取顯得十分重要,另外訓(xùn)練樣本模擬的越多,測試出的結(jié)果越準(zhǔn)確,越可避免其它無關(guān)因素的干擾 。 ( 2)輸入輸出模式的確定 : 在 中我們已經(jīng)得到了 5 組數(shù)據(jù),我們將每組中的二分之一作為訓(xùn)練樣本,另外二分之一作為測試樣本。 : 輸出樣本集采用“ 0— 1表示法,期望輸出為 x,即為: x=[1, 0, 0, 0, 0; 0, 1, 0,0, 0; 0, 0, 1, 0, 0; 0, 0, 0, 1, 0; 0, 0, 0, 0, 1],在下面的實例中共用這一輸出模 式。 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計 BP 神經(jīng)網(wǎng)絡(luò)主要包含以下幾部分,主要有輸入層 , 隱層 , 輸出層,及各層間的傳輸函數(shù)等 [10]。 (1) 網(wǎng)絡(luò)層數(shù): 顧名思義,網(wǎng)絡(luò)層數(shù)指的是一個神經(jīng)網(wǎng)絡(luò)包含的分層數(shù),而大部分的神經(jīng)網(wǎng)絡(luò)都有著固定的網(wǎng)絡(luò)層數(shù),但這里研究的 BP 神經(jīng)網(wǎng)絡(luò)的層數(shù)卻是不固定的,相同,其隱含層是可以進行設(shè)置更改的。 BP 網(wǎng)絡(luò)隱含層數(shù)的變化會影響著故障診斷的準(zhǔn)確性,但往往選擇的層數(shù)都不會過大,一般兩層或兩層以下。 (2)輸入層的節(jié)點數(shù): 輸入層起緩沖存儲器的作用 , 它的功能是當(dāng)有數(shù)據(jù)進行輸入時 ,其進行接 收,樣本輸入數(shù)據(jù)的維數(shù)決定著輸入的節(jié)點數(shù),有幾維就會有對應(yīng)的幾個輸入節(jié)點。在本課題研究的故障診斷中,因為研究的是個 5 維的輸入,故輸入節(jié)點就是 5 個。 ( 3)輸出層的節(jié)點數(shù): 輸出層節(jié)點數(shù)取決于兩個方面 , 輸出數(shù)據(jù)類型和表示該類型所需要的數(shù)據(jù)大小。當(dāng) BP網(wǎng)絡(luò)用于模式分類時 , 以二進制形式來表示不同模式輸出結(jié)果 , 輸出層的節(jié)點數(shù)可根據(jù)待分類模式數(shù)確定。 ( 4)隱層節(jié)點數(shù): 隱層節(jié)點數(shù)的確定直接會導(dǎo)致訓(xùn)練的成敗,節(jié)點太多會導(dǎo)致學(xué)習(xí)時間過長 。太少又會導(dǎo)致識別能力過低,所以在構(gòu)造網(wǎng)絡(luò)時,需要選擇合適的隱層節(jié)點數(shù)。常見的經(jīng)驗公式有: 0in n n a? ? ? () 寧波大學(xué)科學(xué)技術(shù)學(xué)院本科畢業(yè)設(shè)計(論文) 17 式中 : n 為隱層節(jié)點數(shù) 。 ni 為輸入節(jié)點數(shù) 。 n0 為輸出節(jié)點數(shù) 。 a 為 110 之間的常數(shù)。 ( 5)網(wǎng)絡(luò)隱含層數(shù)及隱含層神經(jīng)元數(shù)的確定: 目前來說沒有固定的公式或者規(guī)律去確定網(wǎng)絡(luò)隱含層數(shù)及隱含層神經(jīng)元數(shù),而確定這兩個參數(shù)又至關(guān)重要,時刻影響著網(wǎng)絡(luò)的擬合能力。根據(jù)日常研究總結(jié)出的 規(guī)律如下 [11]: ①不管研究的問題多復(fù)雜,首先用一個隱含層來嘗試訓(xùn)練效果; ②隱含層神經(jīng)元數(shù)越多,神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就會越慢,故建議神經(jīng)元數(shù)盡量小點; ③隱含層神經(jīng)元數(shù)先從一個開始訓(xùn)練,然后再嘗試兩個或三個的情況,當(dāng)達到訓(xùn)練滿意的結(jié)果終止。 以下是日常研究總結(jié)出的確定隱含層神經(jīng)元數(shù)的經(jīng)驗公式: n2lo g?S ( ) ???? nmS ( ) 1m2 ??S ( ) mn?S ( ) 式中, S 為隱含層神經(jīng)元數(shù), n 為輸入層神經(jīng)元數(shù), m 為輸出層神經(jīng)元數(shù),σ為 1~ 10 之間的常數(shù)。 BP 神經(jīng)網(wǎng)絡(luò)的工具箱函數(shù) 1. BP 網(wǎng)絡(luò)創(chuàng)建函數(shù) ( 1) newff 該函數(shù)用于創(chuàng)建一個 BP 網(wǎng)絡(luò)。調(diào)用格式為: =newff =newff(PR,[S1 S2..SN1],{TF1 TF2..TFN1},BTF,BLF,PF) 其中, =newff。用于在對話框中創(chuàng)建一個 BP 網(wǎng)絡(luò)。 為創(chuàng)建的新 BP 神經(jīng)網(wǎng)絡(luò); PR 為網(wǎng)絡(luò)輸入向量取值范圍的矩陣; [S1 S2…SN 1]表示網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的個數(shù); {TF1 TF2…TFN1} 表示網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù),默認為 ‘tans ig’ ; BTF 表示網(wǎng)絡(luò)的訓(xùn)練函數(shù),默認為 ‘train lm’ ; BLF 表示網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)函數(shù),默認為 ‘learn gdm’ ; 電子電路故障診斷系統(tǒng)設(shè)計 18 PF 表示性能數(shù),默認為 ‘mse’ 。 ( 2) newcf 函數(shù)用于創(chuàng)建級聯(lián)前向 BP 網(wǎng)絡(luò), newfftd 函數(shù)用于創(chuàng)建一個存在輸入延遲的前向網(wǎng)絡(luò)。 2. 神經(jīng)元上的傳遞函數(shù) 傳遞函數(shù)是 搭建 BP 神經(jīng) 網(wǎng)絡(luò) 的橋梁 。 其要求是此傳遞函數(shù) 必須連續(xù)可微。 常見的 BP神經(jīng) 網(wǎng)絡(luò) 多 采用 下列函數(shù): ( 1) logsig 該傳遞函數(shù)為 S 型的對數(shù)函數(shù)。調(diào)用格式為: A=logsig( N) info=logsig( code)其中, N: Q 個 S 維的輸入列向量; A:函數(shù)返回值,位于區(qū)間( 0, 1)中; ( 2) tansig 該函數(shù)為雙曲正切 S 型傳遞函數(shù)。調(diào)用格式為: A=tansig( N) info=tansig( code) 其中, N: Q 個 S 維 的輸入列向量; A:函數(shù)返回值,位于區(qū)間( 1, 1)之間。 ( 3) purelin
點擊復(fù)制文檔內(nèi)容
公司管理相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1