基于独特型免疫网络的故障诊断方法研究

基于独特型免疫网络的故障诊断方法研究

ID:34057701

大小:8.13 MB

页数:76页

时间:2019-03-03

基于独特型免疫网络的故障诊断方法研究_第1页
基于独特型免疫网络的故障诊断方法研究_第2页
基于独特型免疫网络的故障诊断方法研究_第3页
基于独特型免疫网络的故障诊断方法研究_第4页
基于独特型免疫网络的故障诊断方法研究_第5页
资源描述:

《基于独特型免疫网络的故障诊断方法研究》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、太原理T大学硕士研究生学何论文评价形式、抗体浓度、抗体的促进和抑制以及记忆库使用【5引。目前人工免疫算法中的相似和浓度的定义存在两个缺陷f4】:①在利用二进制编码的优化计算中,利用信息熵的方法计算亲和力和浓度会存在一定问题;②在抗体评价方面,如果仅以抗体亲合度作为评价标准,不能体现抗原对抗体的影响程度,采用通常的抗体浓度定义,又不能得到抗体亲合度的信息,这说明现有的一些抗体浓度的定义有需要改进的地方。因此,需要研究一种简单、通用性好的诊断模型和诊断方法来满足要求。1.3人工免疫系统理论及应用发展现状1.3.1人工免疫系统的发展现状近年来,生物免疫系统引起了人们的极大兴趣。生

2、物免疫系统是识别生物体内的所有细胞并区分外部有害抗原和自身组织,从而清除病原并保持有机体的稳定。基于生物免疫系统的免疫机理发展的人工免疫系统,其应用己涉及到自动控制、故障诊断、模式识别、图像识别、智能优化、机器学习、数据挖掘、联想记忆、信息安全等许多领域。而生物免疫系统是一个极其复杂的自适应系统,是人工免疫算法的生物学基础。在生物免疫系统机理基础上建立起来的人工免疫系统理论及应用是近年来刚兴起的新研究领域,起源于八十年代末九十年代初,国际上的几位专家在人工免疫系统方面作了开创性工作,如Famer【5】,Dasgupta,deCastro[61,Forrestt71,Fuku

3、da等,国内是在九十年代末期才开始相继有文献出现。人工免疫系统本质上是依据免疫系统的机理、特征、原理开发的并能解决工程问题的计算或信息系统。关于AIS的定义尚未形成共识,但大部分的共识是:所谓AIS(从工程和科学角度),就是研究借鉴、利用生物免疫系统(主要是人类的免疫系统)各种原理和机制而发展的各类信息处理技术、计算技术及其在工程和科学中应用而产生的各种智能系统的统称。目前,人工免疫系统的应用己非常广泛,主要有以下几个方面:1、机器人学:人工免疫系统在机器人行为控制、行为仲裁和路径规划等方面得到了较好的应用。Mitsumoto基于免疫系统的自我/非我识别网络,开发了动态环境

4、中的自适应移动测量算法并将其应用到多主体机器人系统中‘引。Ishiguro用免疫网络模型确定了机器人的行为决策【l⋯。2、优化计算:免疫系统多样性的遗传机理可用于寻优搜索,改善遗传算法对局部搜索问题不是很有效的情况,避免早熟收敛,也可用于处理受约束的遗传搜索和多准则3太原理-【:大学硕士研究生学位论文问题。如Tazawa用免疫算法对VLSI印刷线路板的布线进行了优化设计。3、模式识别:Forrest给出了免疫系统的二进制模型,研究了模式识别问题和免疫系统中个体与群体水平上的学习机制,模式匹配采用部分匹配规则。Hunt开发了一种具有学习能力的人工免疫系统并将它用于模式识别‘9

5、1。人工免疫系统可以从输入样本数据中学习模式,通过再次反应实现模式识别过程,将新的数据根据以前学习的相关数据进行分类。4、故障诊断:故障诊断具有重要的实际意义,Ishida研究了基于PDP网络模型的学习算法在分布式故障诊断中的应用、将免疫网络模型用于故障诊断中的相互特征识别n01。Mizessyn用独特型免疫网络诊断传感器的故障,网络中的每个结点代表一个传感器,各对应一个状态,结点问的连接权值表示结点间的关系,根据结点的状态判断传感器是否出现故障。5、数据挖掘:Timmis比较了人工免疫网络、聚类分析和神经网络三种方法在数据挖掘中的应用和各自特点,指出应用人工免疫系统进行数

6、据挖掘,可以训练数据进行建模。DeCastro研究了基于免疫网络模型的高维原始数据的聚类分析和数据的结构表示和空间分布【61。6、计算机安全领域:Dasgupta将人工免疫网络的分布性、鲁棒性、动态性、多样性和自适应性应用到计算机网络的安全领域。Forrest用否定选择算法监控Unix进程,其目的是检测计算机系统的有害侵入,都取得了很好的效果。目前AIS的研究重点在于:1、充分挖掘免疫系统的内在机理的潜力,寻求与工程或相关学科的结合点,开发更多、更有效的智能方法;2、探讨基于免疫的智能方法的理论基础;3、拓宽已有方法的应用领域。现有代表性成果是:Fukuda及Mori提出的

7、免疫遗传算法,deCastro及VonZuben提出的克隆选择算法和免疫网络算法,Hunt及Cooke提出的B细胞免疫网络,Gaspar及Collard提出的模式跟踪算法,Kim及Bentley提出的阴性选择算法,Ishida及Adachi提出的免疫Agent算法。国内外研究成果己涉及到众多学科,如最优化、模式识别、计算机安全、故障诊断、智能控制及神经网络等,这些研究领域与AIS的结合进一步说明AIS属于多学科优势互补、资源共享、相互渗透的交叉性前沿科学,其覆盖范围逐渐扩展,研究分支逐渐增加,应用领域逐渐拓广,4太

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。