1、隨著設備復雜程度和自動化水平的提高，設備故障診斷的重要性日益顯著。人工神經(jīng)網(wǎng)絡模仿人腦的物理結構，具有強大的并行運算和聯(lián)想能力，使其非常適合于設備故障診斷，并且采用神經(jīng)網(wǎng)絡對設備進行故障診斷可以大大提高診斷的準確度并減少對人的依賴。 BP神經(jīng)網(wǎng)絡是故障診斷中應用最多最成熟的一種網(wǎng)絡，但BP神經(jīng)網(wǎng)絡自身固有的易陷入局部最小問題使故障診斷的精度降低，甚至出現(xiàn)誤診、錯診現(xiàn)象。Hopfield神經(jīng)網(wǎng)絡具有良好的魯棒性、自組織自適應性、

2、并行處理性、分布存儲和高度容錯性等特點，在解決聯(lián)想記憶和數(shù)據(jù)優(yōu)化的問題上有很好的優(yōu)勢，但是Hopfield神經(jīng)網(wǎng)絡屬于無教師學習網(wǎng)絡，對于有輸入輸出樣本的判斷也不是很直觀，在模式識別的應用上判斷率不高。本文結合Hopfield神經(jīng)網(wǎng)絡數(shù)據(jù)優(yōu)化特性和BP神經(jīng)網(wǎng)絡的有教師監(jiān)督學習特點，提出H-BP神經(jīng)網(wǎng)絡，用Hopfield網(wǎng)絡對BP神經(jīng)網(wǎng)絡輸入數(shù)據(jù)進行優(yōu)化，避免BP網(wǎng)絡陷入局部最小，提高了模式識別的判斷率。 Hopfield神經(jīng)

3、網(wǎng)絡的權值初始化是一個隨機過程，影響Hopfield的全局優(yōu)化能力，為此，本文引入粒子群優(yōu)化算法對Hopfield神經(jīng)網(wǎng)絡的權值進行優(yōu)化，得到優(yōu)化的Hopfield網(wǎng)絡即PSO-H神經(jīng)網(wǎng)絡。 用優(yōu)化后的Hopfield網(wǎng)絡，即PSO-Hopfield網(wǎng)絡對BP網(wǎng)絡的輸入數(shù)據(jù)預處理，再利用BP神經(jīng)網(wǎng)絡進行故障診斷，得到一個判斷率更高的故障診斷神經(jīng)網(wǎng)PSO-H-BP網(wǎng)絡。在Matlab7.1環(huán)境下進行仿真，離心式風機的診斷實例驗證了