原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
机真
第40卷第8期算仿2023年8月
文章编号：1006-9348(2023)08-0505-06
基于GA-LM-BP神经网络的拖拉机可靠性预测
文昌俊1-2,邵明颖1-2,徐云飞1-2,陈哲1.2
（1.湖北工业大学机械工程学院，湖北武汉430068；
2.湖北省现代制造质量工程重点实验室，湖北武汉430068）
摘要：针对经典神经网络在可靠性预测中存在收敛速度慢、易陷人局部极小值等问题，利用遗传算法对神经网络的
BPBP
权值和阈值进行初步寻优并将其作为网络训练的初始值。通过LM算法对BP神经网络进行局部优化，采用现场跟踪实验
得到的拖拉机故障数据，建立GA-LM-BP神经网络拖拉机可靠性预测模型。选取MAE、RMSE、NRMSE作为网络模型的评
价指标，与经典BP网络模型、LM-BP网络模型进行对比，结果表明：采用GA-LM-BP神经网络模型预测时的效果最优，与
经典BP网络模型相比三项指标分别降低了5.47%、6.30%和11.14%，与LM-BP网络模型相比三项指标分别降低了
1.86%、5.31%和6.27%，表明GA-LM-BP神经网络模型具有更好的预测效果。最后采用皮尔逊相关系数法进一步证实了
上述模型的精确性。
关键词：可靠性；遗传算法；神经网络；皮尔逊相关系数
中图分类号：TP391.9文献标识码：B
TractorReliabilityPredictionBasedonGA-LM-BP
NeuralNetwork
WENChang-jun-2,SHAOMing-ying-2,XUYun-feil-2,CHENZhel.2
(1.SchoolofMechanicalEngineering,HubeiUniversityofTechnology,WuhanHubei430068,China;
2.HubeiProvinceKeyLaboratoryofModernManufacturingQualityEngineering,WuhanHubei430068,China)
ABSTRACT:Aimingattheproblemsofslowconvergencespeedandeasytofallintolocalminimuminreliability
predictionofclassicalBPneuralnetwork,thepaperusedageneticalgorithmtopreliminarilyoptimizetheweightsand
thresholdsofBPneuralnetworkandtookthemastheinitialvaluesofnetworktraining.First,theBPneuralnetwork
waslocallyoptimizedthroughLMalgorithm.Then,usingthetractorfaultdataobtainedfromfieldtrackingexperi-
ment,theGA-LM-BPneuralnetworktractorreliabilitypredictionmodelwasestablished.MAE,RMSEandNRMSE
文档评论（0）