基于改进bp神经网络的复杂系统故障识别

？复杂系统的故障种类多样，成因复杂，依靠传统的数学建模方式对复杂系统的故障进行识别和研究比较困难。研究了bp网络的非线性逼近能力和多分类能力，在此基础上分析了bp网络的设计方法和存在的缺陷，提出了一种基于变学习速率法与共轭梯度法相结合的bp网络性能改进算法，将其用于复杂系统的故障进行识别并进行了实验验证。实验的结果表明，改进后的bp网络缩短了训练时间，提高了故障识别的准确率，增强了网络的泛化能力，取得了良好的效果。