第4期
-79
模糊逻辑与人工神经网络技术在灭菌器失效
分析中的应用惠志全，杨俊强，毛力，罗健刚，关甲芬(广州特种承压设备检测研究院，广东广州510663)
[摘要］天菌器失效的影响因素具有模棚性，难以用精确的数学模型标识。本文采用人工神经网络和模棚逻辑相结合的方
法系统分析了影响灭菌器失效的相关固素，建立了分析模型，并进行了计算验证，【关键词模期逻辑：人工神经网络：天菌器：失效分析
灭菌器在使用过程中往往承受交变载荷，同时因其结构形式为矩形，受力通常没有圆简形压力容器均匀，且使用过程中易受到介质的影响。因此，从设计、制造、直至使用的整个过程中的相关因素均会影响灭菌器的失效与否。影响灭菌器失效的各因素又具有一定的关联性，关联程度往往文随者使用状态有所差异。同时，诱发灭菌器失效的因素具有一定的模糊性，各类风险影响因素不能被精确地数量化。为此，本文采用人工神经网络与模糊逻辑相结合的方法分析探讨影响
灭菌器失效的相关因素。 1人工神经网络简介
人工神经网络（ArtificialNeuralNetwork，简称ANN）是由大量神经元互相组成的复杂的网络系统，具有自组织、自学习等功能，对非线性系统具有很强的模拟能力。神经网络的“黑箱” 特性很适合预测系统领域的应用需要，它不需要任何经验公式，就能从已有数据中自动地归纳规则，获得这些数据的内在规律，因此即使不清楚预测问题的内部机理，只要有大量的输入、输出样本，经神经网络“盟箱”内部自动调整后，便可建立良好的输入、输出映射模型。所以，在神经网络的运算推测过程中，不存在人为的定性或定量推理，因此其使用范围在逐步推广。其中， BP神经网络是应用最广泛、最基本的一种网络。
BP神经网络通常是D.E.Rumelhart和
J.L.McCelland及其研究小组在1986年研究并设计出来的，基于误差反向传播算法的多层前向神经网络。BP神经网络是由输入层、一个或多个隐含层以及输出层组成，如图1所示，神经元采用的传
万方数据
递函数通常是Sigmoid型可微函数。在人工神经网络中，最基本的组成单元是人工神经元（如图2所示），人工神经元相当于一个多输入多输出的非线性阅值器件。人工神经元的输出可描述为：
y=fwux-)
式中，x，Xz，Ax,为输入信号，Wk1，Wk2， AW为神经元权值，0为闽阀值，fO为激活函数，y 为神经元的输出。
输入层 3
W
路含层
图1三层BP神经网络示意图 W
6
图2神经元示意图
输出层
y
作者简介：惠志全（1987一），男，河南人，硕士，工程师。研究方向为特种承压设备检验检测安全评价及失效分析。