bpalgorithm.m

基于BP圣经网络的汽轮机故障诊断程序

clear
lr=0.05;                                         %lr为学习速率
err_goal=0.00001;                                %err_goal为期望误差最小值
max_epoch=20000;                               %max_epoch为训练的最大次数
X=[0.00 0.00 0.00 0.10 0.10 0.00 0.00 0.00 0.90 0.00;
   0.00 0.30 0.00 0.80 0.10 0.00 0.00 0.30 0.00 0.00; 
   0.00 0.10 0.00 0.00 0.10 0.00 0.10 0.10 0.00 0.00;
   0.00 0.60 0.00 0.10 0.10 0.00 0.90 0.60 0.00 0.00; 
   0.90 0.00 0.40 0.00 0.20 0.20 0.00 0.00 0.00 0.00;
   0.05 0.00 0.50 0.00 0.10 0.15 0.00 0.00 0.00 0.80;
   0.05 0.00 0.10 0.00 0.10 0.40 0.00 0.00 0.00 0.20;
   0.00 0.00 0.00 0.00 0.10 0.00 0.00 0.00 0.10 0.00;
   0.00 0.10 0.00 0.00 0.10 0.25 0.00 0.00 0.00 0.00];                
T=[1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00;
   0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00; 
   0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00;
   0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00 0.00; 
   0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00 0.00;
   0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00 0.00; 
   0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.00 0.00;
   0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00 0.00;
   0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 0.00;
   0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00];
[M,N]=size(X);q=12;[L,N]=size(T);                  %q为隐含层节点的数目
[Wij,b1,Wki,b2]=initff(X,q,'tansig',T,'purelin');         %利用initff()函数对BP神经网络各层的权值和偏置值初始化。
for epoch=1:max_epoch                                  
   Oi=tansig(Wij*X,b1);                         %计算网络隐含层的各神经元输出
   Ok=purelin(Wki*Oi,b2);                       %计算网络输出层的各神经元输出
   E=T-Ok;                                    %计算网络误差
   deltak=deltalin(Ok,E);                         %计算输出层的delta
   deltai=deltatan(Oi,deltak,Wki);                  %计算隐含层的delta
   [dWki,db2]=learnbp(Oi,deltak,lr);                %调整输出层加权系数
   Wki=Wki+dWki;b2=b2+db2;
   [dWij,db1]=learnbp(X,deltai,lr);                  %调整隐含层加权系数
   Wij=Wij+dWij;b1=b1+db1;
   SSE=sumsqr(T-purelin(Wki*tansig(Wij*X,b1),b2));  %计算网络权值修正后的误差平方和
if(SSE<err_goal)break;end
end
epoch                                          %显示计算次数
%根据训练好的Wij,Wki和给定的输入计算输出
X1=X;                                         %给定输入
Oi=tansig(Wij*X1,b1);                            %计算网络隐含层的各神经元输出
Ok=purelin(Wki*Oi,b2);                          %计算网络输出层的各神经元输出
Ok