第3卷第3期 智能系统学报 Vol 3 Na 3 2008年6月 CAA I Transactions on Intelligent Systems Jun 2008 多分辨小波过程神经网络及其应用研究 李洋，钟诗胜 (哈尔滨工业大学机电工程学院，黑龙江哈尔滨150001) 摘要：以小波多分辨分析为理论基础，结合过程神经网络模型，建立了具有分层、多分辨和局部学习特性的多分辨 小波过程神经网络.该网络充分利用小波函数和尺度函数互补的特性，以及过程神经网络可以处理连续输入信号的 能力，能够很好地解决复杂的非线性时间序列的预测问题.给出了相应的学习算法，并以航空发动机排气温度裕度 状态监视为例，利用多分辨小波过程神经网络进行预测.结果表明，多分辨小波过程神经网络收敛速度快、精度高」 同时也为航空发动机排气温度裕度状态监视问题提供了一种有效的方法 关键词：过程神经元；多分辨分析；多分辨小波过程神经网络：学习算法；发动机状态监测 中图分类号：1P183文献标识码：A文章编号：1673-4785(2008)03-0211-05 Research on multi-resolution wavelet process neural networks and applica tions L I Yang,ZHONG Shi-sheng (Deparment ofMechanical and Electrical Engineering,Harbin Institute of Technobgy,Harbin 150001,China) Abstract:We propose a multiresolution wavelet process neural nework (MW PNN)based on wavelet multiresolu- tion analysis theory and the process neural netork model It combines their characteristics of delam ination,multi- resolution,and bcal leaming capability The netork,making full use of the comp lementary characteristic ofwave- let function and scale function,as well as the ability to handle continuous input signals,can orecast complicated nonlinear tme sequences The network's leaming algorithm is given Using an example of state monitoring of ex- haust gas temperature margins of aeroengines,forecasting was perfomed using the multi-resolution wavelet process neural network It was found that the proposed network exhibited good convergence and high accuracy,providing an effective way for state monitoring of exhaust gas temperatures of aeroengines Keywords:process neuron;multiresolution analysis multiresolution wavelet process neural netork,leaming algo- rithm;condition monitoring of aeroengine system 小波分析是当前应用数学中一个迅速发展的新 了过程神经元网络模型.过程神经元与传统神经元 领域.小波在紧支集中能任意逼近非线性连续函数 不同之处在于过程神经元的输入和权值可以是时变 的特性和它在时频域都有分辨的特点，使得以小波 的，其聚合运算中既有对空间的多输入聚合，也有对 分析理论为基础构造的小波神经网络更适合于学习 时间过程的积累.过程神经元网络是人工神经元网 局部非线性和快速变化的函数).小波神经网络 络在时间域上的扩展，放宽了传统神经元网络模型 避免了传统神经网络机构设计的盲目性，因而具有对输入的同步瞬时限制，因此，对于求解与过程有关 较强的逼近、容错能力)然而，在许多复杂的系统 的众多实际问题有着广泛的应用价值1.将过程神 中，许多系统的输入是依赖于时间变化的连续函数， 经网络和小波多分辨分析理论相结合，在文献 其输出值既依赖于输入函数的空间聚合，又与时间 [1·6的基础上，提出了多分辨小波过程神经网络 的累计效应密切相关.针对这一问题，文献【4提出 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.多分辨小 收稿日期：2007-12-10 基金项目：国家自然科学基金资助项目(60572174) 波过程神经网络充分利用小波函数和尺度函数互补 通讯作者：李洋.Emai让ansysman(@126cmm 的特性，把尺度函数和小波函数共同包含在网络中， 1994-2009 China Academic Journal Electronic Publishing House.All rights reserved http://www.cnki.net第 3卷第 3期 智 能 系 统 学 报 Vol. 3 №. 3 2008年 6月 CAA I Transactions on Intelligent System s Jun. 2008 多分辨小波过程神经网络及其应用研究 李 洋 , 钟诗胜 (哈尔滨工业大学 机电工程学院 ,黑龙江 哈尔滨 150001) 摘 要 :以小波多分辨分析为理论基础 ,结合过程神经网络模型 ,建立了具有分层、多分辨和局部学习特性的多分辨 小波过程神经网络. 该网络充分利用小波函数和尺度函数互补的特性 ,以及过程神经网络可以处理连续输入信号的 能力 ,能够很好地解决复杂的非线性时间序列的预测问题. 给出了相应的学习算法 ,并以航空发动机排气温度裕度 状态监视为例 ,利用多分辨小波过程神经网络进行预测. 结果表明 ,多分辨小波过程神经网络收敛速度快、精度高. 同时也为航空发动机排气温度裕度状态监视问题提供了一种有效的方法. 关键词 :过程神经元 ;多分辨分析 ;多分辨小波过程神经网络 ;学习算法 ;发动机状态监测 中图分类号 : TP183 文献标识码 : A 文章编号 : 167324785 (2008) 0320211205 Research on multi2resolution wavelet process neural networks and applications L I Yang, ZHONG Shi2sheng (Department ofMechanical and Electrical Engineering, Harbin Institute of Technology, Harbin 150001, China) Abstract:We p ropose a multiresolution wavelet p rocess neural network (MWPNN ) based on wavelet multiresolu2 tion analysis theory and the p rocess neural network model. It combines their characteristics of delam ination, multi2 resolution, and local learning capability. The network, making full use of the comp lementary characteristic ofwave2 let function and scale function, as well as the ability to handle continuous input signals, can forecast comp licated nonlinear time sequences. The network’s learning algorithm is given. U sing an examp le of state monitoring of ex2 haust gas temperature margins of aeroengines, forecasting was performed using the multi2resolution wavelet p rocess neural network. It was found that the p roposed network exhibited good convergence and high accuracy, p roviding an effective way for state monitoring of exhaust gas temperatures of aeroengines. Keywords: p rocess neuron; multiresolution analysis; multiresolution wavelet p rocess neural network; learning algo2 rithm; condition monitoring of aeroengine system 收稿日期 : 2007212210. 基金项目 :国家自然科学基金资助项目 (60572174). 通讯作者 :李 洋. E2mail: ansysman@126. com. 小波分析是当前应用数学中一个迅速发展的新 领域. 小波在紧支集中能任意逼近非线性连续函数 的特性和它在时频域都有分辨的特点 ,使得以小波 分析理论为基础构造的小波神经网络更适合于学习 局部非线性和快速变化的函数 [ 122 ] . 小波神经网络 避免了传统神经网络机构设计的盲目性 ,因而具有 较强的逼近、容错能力 [ 3 ] . 然而 ,在许多复杂的系统 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 [ 4 ]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 [ 5 ] . 将过程神 经网络和小波多分辨分析理论相结合 , 在文献 [ 126 ]的基础上 ,提出了多分辨小波过程神经网络 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. 多分辨小 波过程神经网络充分利用小波函数和尺度函数互补 的特性 ,把尺度函数和小波函数共同包含在网络中 , © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net