采用改进的BP神经网络预测离心通风机性能的研究

摘要

BP神经网络在离心通风机性能预测的研究中具有重要的价值.研究结果表明,对于任意平方可积函数,都可以采用BP算法通过对样本的学习获得满意的模拟结果,因此,在构造离心通风机性能预测模型中,BP算法提供了一个有力的工具.但是,在实际应用中,BP算法的收敛速度很慢,而且,从数学上看,它是一种梯度最速下降法,这就不可避免地存在着局部最小问题,尤其在训练量大、输入参数众多的情况下,学习效果大受影响.作者从改善BP网络结构、改进学习算法、初始化权值选取等方面入手,采用了函数联接网络,引入了改进的模拟退火法和自适应变步长的BP算法相混合的学习算法,并采用了一种有效的权值初始化方法,显著地提高了神经网络模拟非线性动力系统的效果,从而较好地完成了离心通风机的性能预测.