基于变结构过程RBF网络的发动机故障识别

针对过程径向基(radial basis function,RBF)神经网络结构的优化问题,提出一种可以动态调整隐层结构的优化算法。根据隐层过程神经元的活跃度情况对其进行增删操作,有效解决了过程RBF神经网络结构的设计优化问题。利用梯度下降法对隐层连接权值进行修正,提高网络的逼近精度,对网络的收敛性进行理论证明。对发动机进气控制系统若干故障的识别实验结果表明,该方法具有高效的结构调整能力,使得网络总体具有良好的逼近效率和泛化能力,有效提高了过程RBF神经网络对发动机进气系统故障的识别能力。