神经网络技术及其在故障诊断中的应用.ppt

《神经网络技术及其在故障诊断中的应用.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第四章神经网络技术及其在故障诊断中的应用神经网络基础典型结构的神经网络改进型BP算法及其在故障诊断中的应用一、神经网络基础神经网络的发展及特点神经网络就是用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。它由大量简单神经元经广泛互联构成一种计算结构，在某种程度上可以模拟人脑生物神经系统的工作过程。1、神经网络的发展神经网络的发展可以追溯到一个世纪之前。一般将这一百多年的历史分为三个阶段。自1890年至1969年为初始发展期；1969年至1986年为发展的过渡时期；自1986年以来，步入了发展的高潮期。初始发展期1890

2、年，美国生理学家W.James出版了《生理学》一书，首次阐明了人脑的结构及其功能，以及一些学习、联想、记忆的基本规则。1943年，W.C.McCulloch和W.Pitts根据已知的神经细胞生物基础，描述了一个简单的人工神经元模型，即后来的“M－P模型”。1949年D.O.Hebb发表了论著《行为自组织》，提出了很多有价值的观点。Hebb同时提出了网络学习的规则，从而使神经网络具有了可塑性。1958年，F.Rosenblatt提出了“感知器（perception）”模型，用于模拟一个生物视觉模型。这是第一个真正的神经网络。过渡时期1969年，M

3、.Minsky和S.Paper经过对“感知器”模型的深入研究，发表了论著《感知器》，分析了一些简单的单层感知器，说明这些单层的感知器只能解决线性分类问题，对于非线性或其他的分类则会遇到很大困难。这个观点使得许多专家放弃了对神经网络的研究。但在这个阶段，也还有一些研究人员在继续进行探索。1982年，物理学家J.J.Hopfield提出了全连接神经网络，后来被称为Hopfield神经网络，在网络的理论分析和综合上达到了相当的深度。虽然早期的Hopfield网络存在一些问题，如，网络的权值固定、不能学习、大规模的网络实现困难，而且无法克服局部极小点问

4、题等等，但Hopfield的研究为神经网络带来了复兴的希望，极大地推动了神经网络的发展。这个时期，由D.E.Rumelhart等多人组成的并行分布处理研究小组提出了误差反向传播神经网络，即BP网络。这是一种按照一定的输入输出关系进行自组织的神经网络。同时他们还明确揭示了神经网络的三个主要属性，即网络模型的结构、神经元的输入输出变换函数及算法，对神经网络在各领域的推广应用起了很大的作用。BP网络目前已成为一种应用最为广泛的神经网络。1987年，在美国圣地亚哥召开了第一届国际神经网络会议，此后国际神经网络协会成立。从此，神经网络技术的研究呈现出蓬勃

5、活跃的局面，理论研究不断深入，各种类型的网络模型和算法纷纷出现，应用范围不断扩大。发展高潮期1994年，在美国奥兰多首次召开IEEE全球计算智能大会，此次会议将模糊算法、神经网络和遗传算法三个领域综合起来，有力地促进了不同研究领域之间的交叉渗透和共同发展。2、神经网络的特点神经网络具有以下四个基本特点：（1）广泛连接的巨型系统。脑科学已经证明人脑是由数量及其庞大的脑细胞组成的，每个细胞之间又有着及其广泛复杂的相互连接。人工神经网络着眼于模拟人脑，虽然目前还无法实现和人脑一样庞大的结构体系，但从本质上说，它是一个广泛连接的巨型系统。（2）分布式存

6、储信息。神经网络系统中，信息是以某种形式分布在广大神经元及其相互连接中的。（3）并行处理功能。研究表明，神经元之间的信息传递是毫秒级的，比电子开关的速度慢得多；而实际上人在瞬间就能完成一幅图像的辨识。由此可以推断，人脑对信息的处理是并行式的。（4）自学习、自组织和自适应功能。学习功能是神经网络的一个重要特征，正是因为神经网络具有自学习能力，才使得它在应用中表现出强大的自组织和自适应能力。神经网络技术的出现，为故障诊断问题提供了一种新的解决途径。特别是对复杂系统，由于基于解析模型的故障诊断方法面临难以建立系统模型的实际困难，基于知识的故障诊断方法

7、成了重要的、也是实际可行的方法。神经网络的基础1、神经元模型神经网络的基本单元称为“神经元”，它是对生物神经元的简化和模拟。生物神经元由细胞体、树突和轴突三部分组成。如下图所示。树突是细胞的输入端，通过细胞体之间连接的节点“突触”接受周围细胞传出的神经冲动；轴突相当于细胞的输出端，其端部的众多神经末梢为信号的输出端子，用于传出神经冲动。图生物神经元结构示意图生物神经元具有两种工作状态：“兴奋”和“抑制”。当传入的神经冲动使细胞膜电位升至高于其阈值时，细胞进入兴奋状态，产生神经冲动，由轴突输出；反之，若传入的神经冲动使细胞膜电位下降至低于阈值时，

8、细胞进入抑制状态，就没有神经冲动输出。基于生物神经元的结构和工作特性，对生物神经元进行模拟，得到人工神经元。如下图所示。图中，各变量的下标i表示神经网