论文部分内容阅读
人工神经网络以其独到的联想、记忆、储存和学习功能,在故障诊断领域受到了广泛关注.其中,BP网络是最成熟、应用最广泛的一种网络.但BP网络在实际应用中也存在诸多不足,如学习率的取值需要凭借经验或试算选取,网络学习收敛速度慢以及易陷入局部最小点等.针对BP网络的这些不足,采用了Rumelhrt附加惯性冲量和动态调整学习率相结合的改进的BP网络方法,并尝试用该改进算法来对凝汽器进行故障诊断.事实证明,在平均情况下,本系统收敛速度远远快于基本的BP算法.