[发明专利]基于BP神经网络的发动机故障诊断方法

权利要求书

1.一种基于BP神经网络的发动机故障诊断方法，其特征在于，该方法包括以下步骤：

(1)采集发动机故障数据，列出发动机故障原因；

(2)确定BP神经网络模型的最佳隐含层节点数，建立BP神经网络模型；所述的确定BP神经网络模型的最佳隐含层节点，包括以下过程：

(21)对已有的发动机故障原始数据进行归一化处理；

(22)利用隐含层节点数确定的经验公式计算隐含层节点数的出现区间[a₁，b₁]，经验公式为：

(m₁+m₂)/2≤n₁≤(m₁+m₂)+10

其中，m₁为输入层节点数，m₂为输出层节点数，n₁为隐含层节点数；

(23)采用平方分数法，基于数列{F_n}，其中c_n＝n²，c_n+1＝(n+1)²，n为项数，确定最佳的隐含层节点数，包括以下过程：

(31)给定最终的不确定区间长度λ＞0，以及步骤(22)中获得的隐含层节点数的出现区间[a₁，b₁]，根据来确定迭代的最小次数N，然后计算u₁＝a₁+(1-F₁)(b₁-a₁)，v₁＝a₁+F₁(b₁-a₁)，区间中点标志位

(32)比较u₁、v₁大小，若u₁＜v₁，则维持步骤(31)的u₁、v₁计算值，若u₁＞v₁，则令u₁＝a₁+F₁(b₁-a₁)，v₁＝a₁+(1-F₁)(b₁-a₁)，令参数k的初始值为1，进入迭代计算；

(33)比较E(u_k)、E(v_k)、E(mid)三者的值，若E(mid)最小，则收敛区间为[u_k，v_k]，否则转步骤(34)；

(34)若E(u_k)＞E(v_k)，则收敛区间为[u_k，b_k]，转步骤(35)，否则，收敛区间为[a_k，v_k]，转步骤(36)，其中E为数据输出误差；

(35)令a_k+1＝u_k和b_k+1＝b_k，进一步令u_k+1＝v_k和v_k+1＝a_k+1+(1-F_N+1-k)(b_k+1-a_k+1)，比较u_k+1、v_k+1大小，若u_k+1＜v_k+1，则维持二者的计算值，若u_k+1＞v_k+1，则调换二者的值；判断k是否达到N，若k＝N，则转步骤(38)；否则计算E(v_k+1)且转至步骤(37)；

(36)令a_k+1＝a_k和b_k+1＝v_k，进一步令v_k+1＝u_k和v_k+1＝a_k+1+(1-F_N+1-k)(b_k+1-a_k+1)，若k＝N，转步骤(38)；否则计算E(u_k+1)且转至步骤(37)；

(37)令k＝k+1，转步骤(33)；

(38)令u_N＝u_N-1和v_N＝u_N-1+ε，其中ε为计算精度，ε＞0，若E(u_N)＞E(v_N)，则令a_N＝v_N和b_N＝b_N-1，否则若E(u_N)≤E(v_N)，令a_N＝a_N-1和b_N＝u_N，停止，则最终的隐含层最佳节点数落在了区间[a_N，b_N]中；

(39)当计算出的区间[a_N，b_N]中只包含有一个整数值时，该整数值即确定为隐含层的节点数；如果在最佳区间[a_N，b_N]内存在多个整数值，则采用穷举法，根据输出数据误差的最低点确定最佳隐含层节点数；

(3)根据已有的故障数据训练BP神经网络模型；

(4)利用训练得到的BP神经网络模型，对采集的发动机数据进行分析，确定数据所对应的故障原因。