[發明專利]一種基于模糊神經網絡的測試性評估方法及系統

有效

• 申請號: 201911085106.5
• 申請日: 2019-11-08
• 公開（公告）號: CN111123884B
• 公開（公告）日: 2021-11-12
• 發明（設計）人: 許芳
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 武漢河山金堂專利事務所(普通合伙) 42212
• 代理人: 胡清堂

1.一種基于模糊神經網絡的測試性評估方法，其特征在于，包括以下步驟：

S1，確定設備測試性評估指標體系；具體包括故障檢測率、故障隔離率、故障虛警率、故障檢測準確率、關鍵功能檢測覆蓋率、關鍵性能檢測覆蓋率構成；

S2，輸入數據的模糊化處理；具體包括選擇高斯型隸屬度函數對測試性指標樣本數據的模糊化處理；所述高斯型隸屬度函數m公式如下：

這里參數z代表測試性指標樣本數據，用于指定變量的論域，c代表函數中心點，σ代表函數曲線的寬度，e是自然對數的底數；

S3，采用訓練好的BP神經網絡進行測試性評估；具體包括將模糊化處理后的測試指標樣本輸入訓練好的BP神經網絡進行測試性評估；

S4，對測試性評估結果去模糊化處理；具體包括當測試性評估結果超過設定的測試性評估閾值時就可判定為滿足要求；

所述步驟S3中訓練好的BP神經網絡，采用帶動量的批處理梯度下降方法進行訓練；具體包括待全部輸入樣本到齊，將全部誤差求和累加，根據總誤差修正權值；

所述帶動量的批處理梯度下降方法包括以下步驟：

S31，初始化權值和閾值；

S32，給定所述輸入樣本x和輸出值y；

S33，計算BP神經網絡實際輸出值y_k；公式如下：

其中，f為轉移函數，n為節點數，W_ij為權值，x_j為輸入值；

S34，修改權值；具體包括在修改權值計算時加入動量項；計算公式如下：

W_ij(t+1)＝W_ij(t)+△W_ij(t+1)

其中，△W_ij為權值增量，η為動量因子，α為學習因子，E為BP神經網絡總輸出誤差，E_k為k層BP神經網絡總輸出誤差，為BP神經網絡輸出誤差對權值的梯度向量，y_ik為BP神經網絡節點輸出，y_ik為平均值；

S34，達到給定誤差精度或重復S32～S33步驟達到循環次數要求，輸出結果。

2.一種基于模糊神經網絡的測試性評估系統，其特征在于，包括：

指標設定模塊(1)，確定設備測試性評估指標體系；具體包括故障檢測率、故障隔離率、故障虛警率、故障檢測準確率、關鍵功能檢測覆蓋率、關鍵性能檢測覆蓋率構成；

模糊化處理模塊(2)，輸入數據的模糊化處理；具體包括選擇高斯型隸屬度函數對測試性指標樣本數據的模糊化處理；所述高斯型隸屬度函數m公式如下：

這里參數z代表測試性指標樣本數據，用于指定變量的論域，c代表函數中心點，σ代表函數曲線的寬度，e是自然對數的底數；

BP神經網絡評估模塊(3)，采用訓練好的BP神經網絡進行測試性評估；具體包括將模糊化處理后的測試指標樣本輸入訓練好的BP神經網絡進行測試性評估；

去模糊化處理模塊(4)，對測試性評估結果去模糊化處理；具體包括當測試性評估結果超過設定的測試性評估閾值時就可判定為滿足要求；

BP神經網絡評估模塊中，BP神經網絡采用帶動量的批處理梯度下降方法進行訓練；具體包括待全部輸入樣本到齊，將全部誤差求和累加，根據總誤差修正權值；

所述帶動量的批處理梯度下降方法包括：初始化權值和閾值；給定所述輸入樣本x和輸出值y；計算BP神經網絡實際輸出值y_k；公式如下：

其中，f為轉移函數，n為節點數，W_ij為權值，x_j為輸入值；

修改權值；具體包括在修改權值計算時加入動量項；計算公式如下：

W_ij(t+1)＝W_ij(t)+△W_ij(t+1)

其中，△W_ij為權值增量，η為動量因子，α為學習因子，E為BP神經網絡總輸出誤差，E_k為k層BP神經網絡總輸出誤差，為BP神經網絡輸出誤差對權值的梯度向量，y_ik為BP神經網絡節點輸出，y_ik為平均值；達到給定誤差精度或重復上述步驟達到循環次數要求，輸出結果。