第2卷第6期 智能系统学报 Vol.2 N26 2007年12月 CAAI Transactions on Intelligent Systems Dec.2007 连续小波过程神经网络及其仿真研究 李洋，钟诗胜，张艳 (哈尔滨工业大学机电工程学院，黑龙江哈尔滨150001) 摘要：在小波分析和过程神经网络理论的基础上，提出了连续小波过程神经网络模型，其隐层为过程神经元，隐层 激活函数采用小波函数.该网络结合了小波变换良好的时一频局域化性质及过程神经网络可以处理连续输入信号 的特点，因而学习能力强，精度高.给出了小波过程神经网络学习算法，并以航空发动机滑油系统状态监测为例，分 别利用传统BP网络和小波过程神经网络进行预测.结果表明，小波过程神经网络收敛速度快，精度高，优于BP网络 的预测能力，同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法. 关键词：过程神经元：连续小波过程神经网络：学习算法：发动机滑油监测 中图分类号：TP183文献标识码：A文章编号：1673-4785(2007)06007705 Research and simulation of a continuous wavelet process neural net work LI Yang,ZHONG Shi-sheng,ZHANG Yan (Department of Mechanical and Electrical Engineering,Harbin Institute of Technology,Harbin 150001,China) Abstract:A continuous wavelet process neural networks(CWPNN)model is proposed based on wavelet a- nalysis and process neural network theory in which the hidden layer is composed of process neurons and the hidden layer activation function is a wavelets function.This network not only has excellent learning capa- bility but also high accuracy since it combines the time-frequency local property of wavelet analysis with the ability of process neural networks to deal with continuous input signals.The corresponding learning al- gorithm is given.The network was compared with a traditional BP neural network while monitoring the state of an aeroengine lubricating oil system.The results demonstrated the faster convergence rate and higher accuracy of the network.Prediction capability was superior to a BP neural network,providing a more effective method for state monitoring of aeroengine lubricating oil systems. Key words :process neuron;continuous wavelet process neural networks;learning algorithm;monitoring of aeroengine lubricating oil system 在实际问题中，许多系统的输入是依赖于时间 于求解与过程有关的众多实际问题有着广泛的应用 变化的连续函数，其输出值既依赖于输入函数的空 价值).但是在神经网络的应用过程中，网络参数的 间聚合，又与时间的累计效应密切相关.针对这一问 优化和结构的构造等缺乏有效的理论性指导方法， 题，文献[1]中提出了过程神经元网络模型.过程神 而这些都将直接影响网络的实际应用效果.而小波 经元与传统神经元不同之处在于过程神经元的输入 分析理论为神经网络的构造和参数的选取提供了一 和权值可以是时变的，其聚合运算中既有对空间的 个行之有效的方法.本文将过程神经网络和小波分 多输入聚合，也有对时间过程的积累.过程神经元网 析理论相结合，在文献[1-4]的基础上，提出了连续 络是人工神经元网络在时间域上的扩展，放宽了传 小波过程神经网络模型.其输入和权值是时变的，其 统神经元网络模型对输入的同步瞬时限制，因此，对 聚合运算既有对空间的多输入聚合，也有对时间过 程的积累.连续小波过程神经网络隐层神经元的激 收稿日期：2007-01-18. 励函数采用小波基函数，隐层阈值由小波的平移与 基金项目：因家自然科学基金资助项目(60572174) 伸缩参数替换.连续小波过程神经网络结合了小波 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net第 2 卷第 6 期 智 能 系 统 学 报 Vol. 2 №. 6 2007 年 12 月 CAAI Transactions on Intelligent Systems Dec. 2007 连续小波过程神经网络及其仿真研究 李 洋 ,钟诗胜 ,张 艳 (哈尔滨工业大学 机电工程学院 ,黑龙江 哈尔滨 150001) 摘 要 :在小波分析和过程神经网络理论的基础上 ,提出了连续小波过程神经网络模型 ,其隐层为过程神经元 ,隐层 激活函数采用小波函数. 该网络结合了小波变换良好的时 —频局域化性质及过程神经网络可以处理连续输入信号 的特点 ,因而学习能力强 ,精度高. 给出了小波过程神经网络学习算法 ,并以航空发动机滑油系统状态监测为例 ,分 别利用传统 BP 网络和小波过程神经网络进行预测. 结果表明 ,小波过程神经网络收敛速度快 ,精度高 ,优于 BP 网络 的预测能力 ,同时也为航空发动机滑油系统状态监测问题提供了一种有效的方法. 关键词 :过程神经元 ;连续小波过程神经网络 ;学习算法 ;发动机滑油监测 中图分类号 : TP183 文献标识码 :A 文章编号 :167324785 (2007) 0620077205 Research and simulation of a continuous wavelet process neural network L I Yang , ZHON G Shi2sheng , ZHAN G Yan (Department of Mechanical and Electrical Engineering , Harbin Institute of Technology , Harbin 150001 , China) Abstract :A continuous wavelet process neural networks (CWPNN) model is proposed based on wavelet a2 nalysis and process neural network t heory in which t he hidden layer is composed of p rocess neurons and t he hidden layer activation f unction is a wavelets f unction. This network not only has excellent learning capa2 bility but also high accuracy since it combines t he time2frequency local property of wavelet analysis wit h t he ability of process neural networks to deal wit h continuous inp ut signals. The corresponding learning al2 gorithm is given. The network was compared with a traditional BP neural network while monitoring t he state of an aeroengine lubricating oil system. The results demonstrated t he faster convergence rate and higher accuracy of t he network. Prediction capability was superior to a BP neural network , p roviding a more effective met hod for state monitoring of aeroengine lubricating oil systems. Keywords :p rocess neuron ; continuous wavelet process neural networks; learning algorit hm ; monitoring of aeroengine lubricating oil system 收稿日期 :2007201218. 基金项目 :国家自然科学基金资助项目(60572174) . 在实际问题中 ,许多系统的输入是依赖于时间 变化的连续函数 ,其输出值既依赖于输入函数的空 间聚合 ,又与时间的累计效应密切相关. 针对这一问 题 ,文献[ 1 ]中提出了过程神经元网络模型. 过程神 经元与传统神经元不同之处在于过程神经元的输入 和权值可以是时变的 ,其聚合运算中既有对空间的 多输入聚合 ,也有对时间过程的积累. 过程神经元网 络是人工神经元网络在时间域上的扩展 ,放宽了传 统神经元网络模型对输入的同步瞬时限制 ,因此 ,对 于求解与过程有关的众多实际问题有着广泛的应用 价值[2 ] . 但是在神经网络的应用过程中 ,网络参数的 优化和结构的构造等缺乏有效的理论性指导方法 , 而这些都将直接影响网络的实际应用效果. 而小波 分析理论为神经网络的构造和参数的选取提供了一 个行之有效的方法. 本文将过程神经网络和小波分 析理论相结合 ,在文献[ 1 - 4 ]的基础上 ,提出了连续 小波过程神经网络模型. 其输入和权值是时变的 ,其 聚合运算既有对空间的多输入聚合 ,也有对时间过 程的积累. 连续小波过程神经网络隐层神经元的激 励函数采用小波基函数 ,隐层阈值由小波的平移与 伸缩参数替换. 连续小波过程神经网络结合了小波