摘要：本文论述了BP 神经网络的结构和学习算法以及应用到故障诊断中的原理和过程，并结合燕山石化YL II-18000A 型烟气轮机给出应用实例，利用BP 神经网络对烟机的其中几种故障类型作出诊断。诊断结果表明，该方法能较好的对故障进行分类。

　　1.引言

　　人工神经网络(ANN)是目前国际上前沿研究领域的一门新兴交叉科学。由于其独特的容错、联想、推测、记忆、自适应、自学习和处理复杂非线性多模式等优点，神经网络技术已在机械故障诊断方面得到了广泛应用并取得了一定的成功。BP网络是前向网络的核心部分，体现了神经网络中最精华、最完整的内容。据统计，80%～90%的神经网络模型采用了BP网络或者它的变化形式。

　　2. BP 神经网络

　　BP网络是一种多层前馈神经网络，名字源于网络权值的调整规则采用的是后向传播学习算法，即BP学习算法。

　　2.1 BP 网络结构

　　BP 网络是具有三层或三层以上的神经网络，包括输入层、中间层（隐层）和输出层。其网络拓扑结构如下所示：

图1 BP 网络模型的拓扑结构

　　对于一个 3 层BP 网络，设输入层有n 个节点，输出层有m 个节点，隐层有l 个节点，样本数为N，输入向量为［x1,x2…,xn］，ωji 为隐层节点与输入层节点的连接权值。则隐层节点的输入和输出为

     隐层节点的作用函数 f1 通常选取S 形变换函数，设输出层节点k 与隐层节点j 的连接权值为kj w ，输出层节点的作用函数f2 通常选用线性变换函数，则输出层节点k 的输出