基于MIV和BRBP神经网络的电路板红外诊断方法

摘要：

针对BP神经网络对于海量数据训练及多维数据训练收敛困难的问题，在使用增加动力项、自适应学习速率等方法的基础上，引入均值影响度算法（MIV）构造了贝叶斯正则化反向传播（BRBP）神经网络，以此提高电子线路板红外故障诊断算法的效率。利用红外测温方式，获取了不同室温及运行状态下电路板中21个元器件温度数据。将此21个参数作为故障诊断模型的初始输入变量，经过MIV算法简约为12个参数输入至BRBP神经网络，进行故障评估和诊断。结果表明：相对于传统的BRBP神经网络，本文设计的基于MIV和BRBP神经网络模型诊断方法极大简化了数据训练的数据量并解决了数据收敛的困难，因此效率更高，用时更省。

关键词：红外测温、MIV、BRBP神经网络、故障诊断

分类号：TN219;TN215(光电子技术、激光技术)

资助基金：国家自然科学基金项目No.61107081，61202369；上海市教育委员会科研创新项目No.10YZ158，12ZZ176资助。

在线出版日期：2014-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：382-386