常明++王莹莹

摘 要：该文分析了径向基函数RBF神经网络的原理、结构模型、学习算法，并以某系统的电源模块故障为例，给出了RBF神经网络故障诊断系统的结构，并建立RBF网络模型进行学习、训练与仿真，结果证明此种故障诊断方法可以改进BP神经网络的一系列缺点，切实可行，具有较强的实用价值。

关键词：神经网络 故障诊断 RBF神经网络 BP神经网络

中图分类号：TP183 文献标识码：A 文章编号：1672-3791（2016）12（a）-0123-02

随着计算机技术和智能控制技术的发展，使得各种系统的复杂程度和智能化程度越来越高，因此整个系统的安全性问题和可靠性问题日益受到关注，一旦系统中出现某些细小的故障，如果不能及时检测和排除，就可能造成整个系统的瘫痪，甚至造成灾难性的后果。因此，故障预测与诊断就显得尤为重要。现有的故障诊断方法有很多，其中一种很有生命力的方法就是以知识为基础的诊断办法，因为它是以不需要对象的精确数学模型为前提的，而神经网络故障诊断方法是这类方法中的一个重要分支。笔者曾利用BP神经网络构建智能故障诊断系统，通过实验仿真结果的分析，证明BP神经网络能够有效地完成故障诊断任务，但是BP神经网络在应用中也存在一定的局限性，近几年提出的径向基函数RBF在某些方面可以弥补BP神经网络存在的局限性，理论上认为RBF更适用于故障诊断，但缺乏实证。因此，笔者建立了RBF网络模型，利用在文献[2]使用过的相同数据进行仿真训练，确定其在故障诊断中的实际作用。……