基于改进神经网络的故障诊断预测算法设计与实现——毕业论文

《基于改进神经网络的故障诊断预测算法设计与实现——毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、诚信声明书毕业设计中文题目基于改进神经网络的故障诊断预测算法设计与实现英文题目DesignandImplementationofFaultDiagnosisandPredictionAlgorithmBasedonImprovedNeuralNetwork院系：计算机与信息工程学院年级专业：软件工程（金融服务方向）姓名：学号：指导教师：职称：年月摘要摘要人工神经网络在故障预测诊断方面的优势日益突出，是实现系统的故障诊断预测的强大支撑工具。本文所研究的人工神经网络是模拟自然界生物神经网络的行为特性来对外部信息进行处理的数学结构。神经网

2、络运用于故障诊断预测是随着故障诊断越来越复杂，不确定性越来越高，数据量庞大且无规律等特点应运而生的故障诊断技术，可以弥补传统故障诊断预测方法的不足。人工神经网络模型经过训练和学习，从而选择基于实际任务下最优的网络类型，并且匹配最佳的网络参数设置。本文着重于在改进神经网络的基础上研究故障诊断预测算法，特别是改进的反向传播神经网络算法、基于自组织竞争神经网络的故障诊断和基于概率神经网络的故障诊断。在论文中体现了三大创新点：第一，本文引入了动量因子改进的反向传播神经网络算法对实际的数据进行诊断并与传统的相比较；第二，基于自组织竞争神经网络

3、的优势采用自组织竞争神经网络的故障诊断预测算法；第三，基于概率神经网络的优势采用概率神经网络故障诊断预测算法。本文将以以下逻辑来详尽介绍：起先，阐述人工神经网络算法的原理以及反向传播、自组织竞争神经网络及概率神经网络算法的改进，并应用于故障诊断预测方面；其次，实现反向传播神经网络算法的改进、自组织竞争神经网络和概率神经网络算法对故障的诊断预测；最后，对实验结果进行分析与总结。关键词：神经网络；动量因子；自组织竞争神经网络算法；概率神经网络算法IVABSTRACTABSTRACTTheadvantagesofartificialneu

4、ralnetworkinfaultdiagnosisarebecomingmoreandmoreprominent,anditisapowerfulsupporttooltorealizefaultdiagnosisandprediction.Inthispaper,theartificialneuralnetworkisakindofmathematicalmodelthatsimulatesthebehaviorofbiologicalneuralnetworktoprocessinformation.Asfaultdiagno

5、sisbecomesmoreandmorecomplex,theuncertaintyofthesystemandthelargeamountofdataalsorequireneuralnetworkasapowerfultoolwhichcanmakeupthedeficiencyofthetraditionalfaultdiagnosismethods.Astheartificialneuralnetworkmodelistrainedandlearning,theoptimalnetworktypeisselectedbas

6、edontheactualtask.Thispaperfocusesontheresearchoffaultdiagnosisandpredictionalgorithmbasedonimprovedneuralnetwork,especiallytheimprovedBPneuralnetworkalgorithmandthefaultdiagnosismethodsbasedonSOMneuralnetwork.Threeinnovationsareembodiedinthispaper：First,thispaperusest

7、heimprovedBPneuralnetworkalgorithmwithmomentumfactortopredictthesampledataandcompareitwiththestandardBPneuralnetwork;second,withtheadvantagesofSOMneuralnetwork,thefaultdiagnosisandpredictionalgorithmbasedonSOMneuralnetworkisfurtherresearchinthispaper;third,withtheadvan

8、tagesofPNN,thefaultdiagnosisandpredictionalgorithmbasedonPNNisalsofurtherresearchinthispaper.Thisarticlewillbedescrib