北航神经网络作业—神经网络在采煤机故障诊断中的应用北航神经网络作业—神经网络在采煤机故障诊断中的应用北航神经网络作业—神经网络在采煤机故障诊断中的应用目录TOC\o"1-3"\h\z\uHYPERLINK\l"_Toc308337201"1.题目分析PAGEREF_Toc308337201\h1HYPERLINK\l"_Toc308337202"2.学习算法PAGEREF_Toc308337202\h1HYPERLINK\l"_Toc308337203"3.单层感知器的VC++程序实现PAGEREF_Toc308337203\h44.HYPERLINK\l"_Toc308337204"神经网络在采煤机故障诊断中的应用PAGEREF_Toc308337204\h7HYPERLINK\l"_Toc308337205"参考文献:PAGEREF_Toc308337205\h9题目分析本章主要讲诉的是主要是神经网络控制及其应用的相关内容,作业题目共有两题,题目要求如下:1、设计一个实现逻辑“与”的单计算层感知器,并写出其学习算法和程序。2、紧密结合自己的专业背景、科研方向或解决问题的经历,谈谈学习人工神经网络或神经网络控制的必要性。要求说明自己的科研或专业背景,拟关注的问题或研究方向,与人工神经网络有什么关联。单层感知器即三层(输入层、隐层和输出层,结点数分别为4、3和2)网络,其学习算法根据教材相关内容采用BP学习算法。学习算法根据教材中的相关介绍,神经网络算法主要步骤如下:初始化,分别对输入层到隐层和隐层到输出层的权值矩阵W,V赋随机数,将样本计数器p和训练次数计数器q置为1,误差E置为0,学习率QUOTE设为0-1间的小数,网格训练精度Emin设为一正的小数。输入训练样本,计算各层输出。用当前样本、对向量数组X、d赋值,根据以下公式计算Y和O中各分量:=f(),k=1,2,3…l=f(),j=1,2,3…m计算各节点的实际输出。;调整各层权值,按下式计算和:检查是否对所有样本完成一次轮训。若完成,则进行下一步进行均方根误差计算;否则,返回步骤2。计算网络总误差,检查是否达到精度要求。若达到计算要求,训练结束;否则,E置0,p置1,并返回步骤2,继续计算,直到达到精度要求为止。具体的流程图如下:单层感知器的VC++程序实现按照3.1章节的学习算法,即可对其进行计算机编程实现,编程环境采用MicrosoftVisualStudio2008,程序清单如下:#include"stdafx.h"#include
#include#includeinti=0;intX1[4]={0,0,1,1},X2[4]={0,1,0,1};intd[4]={0,0,0,1};//样本X的期望输出值floatw[2],y,e[4];floatec=0.0001;//指定输出偏差值floatstep=0.5;//学习步长floatb=0.6;//阈值//定义激活函数floatf(floatx){if(x>0)return1;elsereturn0;}//定义学习训练函数voidxx(inti){y=w[0]*X1[i]+w[1]*X2[i];y=f(y-b);ec[i]=d[i]-y;}//权值调整函数voidrepower(inti){w[0]=w[0]+step*ec[i]*X1[i];w[1]=w[1]+step*ec[i]*X2[i];}int_tmain(intargc,_TCHAR*argv[]){intcount=0;//记录感知器训练次数//初始化W矩阵intj;for(j=0;j<2;j++){srand((unsigned)time(NULL)+j*10);w[j]=(float)((rand()%10+1))/100;//随机生成较小的权值}do{count++;if(count>100){printf("单层感知器学习训练次数过多,请重新调整初始权值\n");break;}if(i==4)i=0;if(i<4){xx(i);repower(i);i++;}}while(ec[0]
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
。查阅相关文献神经网络在采煤机故障诊断方面确实可行,但是还存在着以下的一些问题,主要有:①网络学习算法是一个非线性优化问题,不可避免地存在局部极小值问题。②尽管有许多改进算法,然而其学习收敛速度仍然很慢。③网络的隐含层数、隐含神经元的个数选取尚无理论上的依据,完全凭经验决策。④网络必须经过比较费时的离线训练,而且训练样本对数要全面而丰富。人工神经网络已成功的应用于一些行业的故障诊断,例如:航天飞机主发动机的实时诊断,汽轮机的诊断等。尽管人工神经网络真正十分成功的应用于各个领域还有许多问题亟待进一步解决,但人工神经网络为人们解决实际问题提供了一个崭新的手段,相信人工神经网络在采煤机故障诊断方面会有令人鼓舞的成果。参考文献:[1]韩立群.智能控制理论及应用.北京:机械工业出版社.2007[2]张寒松,贾瑞清等.采煤机的故障分析与诊断及其发展趋势.矿冶.北京:中国矿业大[3]樊淑趁,耿麦香.人工神经网络用于采煤机故障诊断系统初探.山西矿业学院学报.太原.1996年[4]贾凯,李浩,熊晓航等.PSO-BP神经网络采煤机截割系统故障诊断.辽宁工业大学学报.2007-9[5]付家才,李浩,郭勇等.神经网络在采煤机故障诊断专家系统中的应用.黑龙江科技学院学报.2007-9