深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

• 作者: 杨晋朝 黄敏超
• 来源期刊: 火箭推进
• 关键词: 遗传算法 BP神经网络 故障检测 全局优化
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 测控与试验
• 页码范围: 41-45,53
• 页数: 6页
• 分类号: V434
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9374.2009.02.008

摘要

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和闻值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解.这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点.并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄敏超	国防科技大学航天与材料工程学院	29	91	6.0	7.0
2	杨晋朝	国防科技大学航天与材料工程学院	5	24	4.0	4.0