技术总结
本发明涉及一种复杂电子设备故障预测的方法，属于故障预测技术领域。本发明利用粗糙集属性约简方法对样本数据进行预处理，粗糙集理论具有很强的定性分析能力，能在保留关键信息的前提下对样本数据进行约简，达到简化训练样本的目的；根据改进的遗传算法获得最佳神经元初始权值和阈值，对经典遗传算法进行改进，以网络误差最小作为进化准则，经过多次迭代，最后获得BP神经网络开始训练的初始权值和阈值；基于改进的BP神经网络训练算法训练网络的连接强度，计算BP神经网络输出层的预测值，为进一步缩短训练时间，对BP神经网络进行改进，动态调整学习速率，提高了网络收敛速度。对样本数据进行反归一化处理，得到复杂电子设备故障样本数据的预测值。
技术研发人员：赵昶宇;胡亮
受保护的技术使用者：天津津航计算技术研究所
文档号码：201611054050
技术研发日：2016.11.25
技术公布日：2017.05.10