基于大规模训练神经网络的微小故障在线检测

摘要：

神经网络已经广泛应用于系统建模和模式识别领域.但为了逼近未知的参数或者系统动态,需要大量的神经元达到足够的逼近精度,因此导致了计算负荷的增大.运算量制约着大规模神经网络计算,无法使其应用到实际的在线系统中.CPU处理无法保证在线数据的同步运算,需要借助图形处理单元GPU(Graphic Processing Unit)来解决实时性同步运算问题.首先,利用RBF神经网络的持续激励PE(Persistent Excitation)特性对系统输入进行分析,减少神经元的数目且优化设计算法,从而提高逼近精度.其次,基于LabVIEW平台,利用LabVIEW的GPU高性能分析工具包实现神经网络算法和并行计算.最后,在一台航空低速轴流压气机中开发基于大规模训练神经网络的LabVIEW系统.实验结果表明,提出的方法可以实现对系统的在线实时运行,满足航空失速检测的要求.

关键词：神经网络、持续激励、LabVIEW、GPU、大规模计算、在线实验

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金重点项目60934001

在线出版日期：2017-04-10（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：239-243,266