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

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.

关键词：遗传算法、BP神经网络、故障检测、全局优化

所属期刊栏目：35

分类号：V434(推进系统（发动机、推进器）)

在线出版日期：2009-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：41-45,53