文档介绍：2010 年第 5 期大众科技 ,2010
(总第 129 期) DA ZHONG KE JI (Cumulatively )

BP 神经网络在矿山机械液压系统故障诊断中的应用
冯良祥段志善滕维淑
(西安建筑科技大学机电工程学院,陕西西安 710055)

【摘要】介绍了 BP 神经网络的结构及学习算法。对液压系统故障模式及故障机制进行分析,提取能够反映液压系统故
障的特征量作为 BP 神经网络的输入,并用 BP 算法对该网络进行训练,利用神经网络的智能性来判断液压系统所属的故障类型。
仿真结果表明,该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断。
【关键词】BP 神经网络;机械液压系统;故障诊断
【中图分类号】TP183 【文献标识码】A 【文章编号】1008-1151(2010)05-0132-02

(一)引言
液压系统在矿山机械设备中的应用非常广泛。由于矿山 BP神经网络的学习过程是由前向计算过程、误差计算和
机械在使用过程中的液压系统泵站集中,执行机构点多面广, 误差反向传播过程组成,以三层为例:
系统压力高、流量大、阀控制多,各机构所处的环境受温度、(1)前向计算过程
水蒸气、粉尘和振动的影响较大,故液压系统的结构比较复输入层各节点的输出等于输入。隐
OXnnn==(1,2,,)L N
杂。若出现故障,将会直接影响其工作效率。液压系统的故
N N
障具有隐蔽性、交错性、随机性和差异性等特点。本文将 BP 层和输出层输入为: IWOb= + , 。其
j ∑ ij, n n Injnjj=+∑VO, b
神经网络技术运用到液压系统故障诊断中,利用 BP 神经网络 n=1 j=1
对机械液压系统的典型故障进行训练学习,取得了满意的效
中,W 为输入层到隐层的连接权重,V 为隐层到输出层的连
果。 ij, jn,
(二)BP神经网络结构及其算法
接权重,X 是输入层第 n 个节点的输入,O 是输入层第 n 个
n n
节点的输出,O 是隐层第个节点的输出,b 和b 是其对应
BP 学习算法是一种多层前馈网络使用的的监控式学习算 j j n j
法,相应的神经网络也称 BP 网络。通常所说的 BP 模型即误的阈值。各节点的输出( 不包括输入节点) 是输入的非线性
差反向传播(Error Back-Propagation)神经网络是神经网
函数, 可取 1 ,即, 1 。
fx()= 1 O =
络模型中使用最广泛的一类。−x O j = n −I
1+ e 1+ e−I j 1+ e n
从结构上讲,BP 网络是典型的多层网络,分为输入层、
隐层和输出层,层与层之间多采用全连接方式。同一层单元(2)误差计算
NNM
之间不存在相互连接。BP 模型实现了多层网络学均误差为 112 。
EE==∑∑∑K eKm
当给定网络的一个输入模式时,它由输入层传到隐层单元, NNKKm===1112
经过隐层单元逐个处理后传送到输出单元,由输出层单元处其中, 为训练样本的个数,M 为输出神经元的个数,