[发明专利]一种基于BP神经网络模型的故障预测方法及预测系统

权利要求书

1.一种基于BP神经网络模型的数字收发组件故障预测方法，其特征在于：该故障预测方法包括向BP神经网络模型输入收发组件的状态参数的归一化样本数据，计算状态参数的预测值，将所述状态参数的预测值与其参考值作比较分析，输出故障预测结果；

计算状态参数的预测值的步骤如下：

S11，对状态参数的样本数据进行归一化处理：

其中,a_i为状态参数的第i个样本数据，n为状态参数的样本数据的总数，max(a_i)和min(a_i)分别为状态参数的最大值和最小值，x_i为状态参数的归一化的第i个样本数据；

S12，建立BP神经网络模型的拓扑结构，所述拓扑结构包括输入层、隐含层和输出层，向所述BP神经网络模型的输入层输入状态参数的归一化样本数据，计算隐含层的输出值，根据隐含层的输出值，计算输出层所输出的状态参数的预测值。

2.如权利要求1所述的数字收发组件故障预测方法，其特征在于：S12的具体步骤如下：

S121，计算隐含层的第j个神经元的输出值h_j：

S122，计算输出层第k个神经元输出的状态参数的预测值y_k：

其中，m为输入层神经元个数，即向输入层输入的归一化的样本数据的数量，m≤n；g为输出层神经元个数，即需要输出的预测值的数量；f为隐含层神经元个数；x_i为公式(1)中的状态参数归一化的第i个样本数据，其作为BP神经网络模型输入层第i个神经元的输入值；w_ij为BP神经网络模型输入层的第i个神经元与隐含层的第j个神经元之间的权值；w_jk为BP神经网络模型隐含层的第j个神经元与输出层的第k个神经元之间的权值；θ_j为BP神经网络模型隐含层的第j个神经元的阈值；θ_k为BP神经网络模型输出层的第k个神经元的阈值；

其中，f的计算公式为：

f＝log₂m (5)

其中，a为调节常数。