基于遗传算法和模糊神经网络的故障诊断方法研究

《基于遗传算法和模糊神经网络的故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于遗传算法和模糊神经网络的故障诊断方法研究测仪081(10082974)徐杰摘要：随着生产过程的口趋复杂，设备的故障诊断也变得越來随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基本工作单元有了越來越充分的认识，在此基本认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑越重要。关键词：模糊控制，遗传算法，神经网络，TE过程，故障诊断1研究背景随着科学技术进步和工业生产水平的提高，工业生产设备不断向大型化、系统化和自动化方向发展，生产设备相互间的关联程度

2、越来越密切。2文献综述基于神经网络控制系统的故障诊断分为两部分，一是故障样木数据及检验数据的采集；二是故障诊断⑴。随着神经解剖学、神经随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基木工作单元有了越來越充分的认识，在此基木认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基木工作单元有了越來越充分的认识，在此基木认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑。…

3、…2.1主元分析法2.1.1主元分析方法介绍主元分析法(PCA)是基于多元随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基本工作单元有了越來越充分的认识，在此基木认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑统计的分析方法【2】，将其转综合数学、物理学以及信息处理等学科的方法对化为相互独立的低维变量空间，实现对复杂过程数据的特征抽取，并建立相应过程的主元模型⑶。主元分析主要公式如式2・1。vTXTXvmaxv*0v7p(2-1)其屮v是加维列向量。

4、该稳态点可以通过下式的奇异值分解来计算，如式2・2。X=UXPT(2-2)负荷向量是矩阵P屮的正交的列向量，样本矩阵X沿矩阵P第匚列的投影的方差等于CT：。求解该奇界值分解问题可以等价于样木协方茅矩阵7?的特征值分解，如式2・3。R=J_xrx=pApr(2-3)主元分析的结构图如图2-1所示:正常样本矩阵Cnxmif)图2-1主元分析结构2.1.2主元分析方法中存在的不足一般情况⑷下，传统主元分析⑸(PrincipalComponentAnalysis,PCA)方法存在着的不足Z处就是：它首先算出随机矩阵的协方

5、并，并用这些协方并数据组成一个协方并阵，接着计算出这个协方差阵的特征值，然后再依据这些特征值的大小依次排序，选择达到主元贡献率的前儿个主元变量，作为该模型的主元。2.2神经网络2.2.1神经网络的概述自20世纪40年代，随着神经解剖学、神经生理学以及神经元的电生理过程等的研究取得突破性进展，人们对人脑的结构、组成及最基木工作单元有了越來越充分的认识,在此基本认识的基础上，综合数学、物理学以及信息处理等学科的方法对人脑神经网络进彳亍抽象，并建立简化的模型，称为人工神经网络ANN(ArtificialNeuralNe

6、twork)⑹。BP网络模型结构如图2-1所示。隐藏层隐藏单元权值图2・2BP神经网络结构2.2.2神经网络的分类由于神经网络适合解决实际问题，所以其应用领域在不断的扩大，它不仅可以广泛应用于工程、科学和数学领域⑺，也可以广泛应用于医学、商业、金融和文学等领域。神经网络在许多领域的广泛应用⑻，使其极具吸引力。同时，基于高速的计算机和快速算法，也可以用神经网络解决过去许多计算量很大的复杂工业问题⑼。RBF神经网络结构如下图所示：图2・3RBF神经网络结构图f(x)2.2.3神经网络的发展趋势人工神经网络是对人脑信息

7、处理方式的模拟，但是目前的对人脑处理信息方式中一些实质性问题还没有取得突破性进展。2.2.4神经网络在故障诊断中的应用人工神经网络在故障诊断中的应用主耍集中于三方面：故障状态的模式识别〔9】、故障特征的提取以及故障诊断专家系统［⑼。2.3遗传算法2.3.1遗传算法的介绍20世纪40年代以来，学者注意到生物在自然演化过程中表现出强大的适应能力,牛物不断复制优势遗传基因，改善群体的适应性，得到具有很强适应性的优良物种。2.3.2遗传算法的使用（1）根据具体问题确定待寻优的参数。（2）对每一个参数确定它的变化范围，并用

8、一个二进制数来表示。这时参数范围的确定应覆盖全部的寻优空间，字长的确定应在满足精度要求的情况下，尽量取小的，以减少遗传算法计算的复杂性。（3）将所有表示参数的二进制数串接起来组成一个长的二进制串。该字串的每一位只有1或0两种取值，即为可操作的对象。2.3.3遗传算法对BP神经网络的改进改进的BP算法，将遗传算法和BP算法结合对网络阈值和权值进行优化，避免权值和阈值陷入局部