耿朝阳，薛倩倩

（西安工业大学 计算机科学与工程学院，西安710021）

随着现代化的发展，设备的规模和复杂度越来越高，对设备运行效率的要求越来越高，因此对设备在线故障检测和故障诊断方法有了更高的要求，故障诊断方法的研究越来越受到关注．由于设备故障信息的不确定性，以及故障现象与故障原因之间的复杂的非线性关系，故障诊断的难度越来越高，故障诊断的效率和准确度不高，很需要探索一种新的更方便、更快捷、更可靠的诊断方法，以提高故障诊断的效率和准确度［1］．

人工神经网络具有并行处理、非线性映射、学习和自适应性等固有属性，使得人工神经网络可以应用于在线故障诊断领域，解决非线性模式识别问题，适合用于故障现象和故障原因非线性映射关系的复杂故障诊断问题［2-4］．

BP神经网络模型是众多神经网络模型中使用最为广泛的一种，其优势是具有较强的非线性映射能力，但是BP神经网络是前向型网络，不是反馈神经网络，因此具有学习收敛速度慢、可能会收敛到局部极小点、学习和记忆稳定性较差等劣势［5-7］，另外本质上BP神经网络是静态网络，处理时变环境问题的能力较弱．Elman神经网络是典型的反馈型网络，可以通过增加结构单元对各个样本的相互联系进行学习和记忆，实现动态建模，因此Elman神经网络模型更适合用于在线故障诊断系统［8-9］，另外Elman神经网络还具有收敛速度快、精确度高、学习和记忆稳……