摘要： 有关人工神经网络作为在线状态估计器组成基于神经网络的传感器故障检测的研究已有报导。但是这些文章中没有提到如何选择神经网络的结构。神经网络的输入延迟数和隐层单元数影响其对系统的拟合精度，从而影响故障检测的灵敏度。研究了一些现有的选择神经网络结构的方法，以系统化的交叉证实法为基础，经过改进，提出了针对作为在线状态估计器的神经网络选择输入延迟数和隐层单元数的系统化的方法，并用某船在试验场中航行时平台罗经输出的一段数据作了仿真，结果证明该法可行，具有工程实用意义。

关键词: BP神经网络, 输入延迟, 隐层单元, 交叉证实法, 在线状态估计器

Abstract: In this article, we study the numbers of input delay and hidden units selection in neural networks which are to be used as online state estimator, and then propose a specification strategy based on statistics of validation errors to select the numbers of input delay and hidden units simultaneously. Simulation is made, and the data came from platform compass on a ship. The result of the simulation is promising.

中图分类号: 

• TP183