如何利用集成BP网络诊断液压元件故障

如何利用集成BP网络(Network)诊断液压（hydraulic)元件故障(fault)
    由于错误诊断系统(system)的复杂性，将神经网络(Network)利用于障诊断系统的筹划中，将是大规模神经网络的结构(Structure)和学习成就。液压元件压力控制阀又分为溢流阀(安全阀)、减压阀、顺序阀、压力继电器等；流量控制阀包括节流阀、调整阀、分流集流阀等；方向控制阀包括单向阀、液控单向阀、梭阀、换向阀等。为了减少工作(job)的复杂性，减少网络学习时间，本文将错误诊断知识(Knowledge)凑集分解为几个逻辑上独立的子凑集，每一个子凑集再分解为若干规则子集，尔后根据规则子集来结构网络。每个规则子集都是一个逻辑上独立的子网络的映射，规则子集间的联系，经过进程子网络的权系矩阵表示。各个子网络独立地利用BP学习算法分别结束学习演习。由于分解后的子网络比原来的网络规模小得多且成就局部（part)化了，从而使演习时间大为减少。利用集成BP网络结束液压（hydraulic)元件(Hydraulic element)轴承(bearing)错误诊断的信息处理(processing)能力源于神经元的非线性机理特性（characteristic]）和BP算法，每一个子网络均为一个BP网络，各个子网络由BP算法各自学习，学习后的结果由控制（control)网络集成。BP网络的学习算法如 把选取的每一个特性参数(parameter)（包括能量特性，幅值特性和倒谱包络特性)x的值映像到神经网络输入输入层的单个节点上，并对其结束正则处理：
xi=0。液压元件液压泵的结构形式一般有齿轮泵、叶片泵和柱塞泵。执行元件(如液压缸和液压马达)的作用是将液体的压力能转换为机械能，驱动负载作直线往复运动或回转运动。 重庆液压元件控制元件(即各种液压阀)在液压系统中控制和调节液体的压力、流量和方向。根据控制功能的不同，液压阀可分为压力控制阀、流量控制阀和方向控制阀。8(x-xmin)/(xmax-xmin)+0。1　　　（8）式（8）把特性（characteristic]）参数(parameter)正则到（0。1,0。9）之间的目的是避免Sigmoid函数输入值极端化 而引起学习无法收敛的成就。对（8）式得到的正则值完成如下运算，得到每一个神经元的加权值和阈值(threshold)：式中，j代表今后层，i代表前一层，wij代表连接权值；cj代表今后节点的阈 值；fj代表输入 。