阶段工作报告.pptVIP

近期工作报告 ;通过学习BP神经网络的基本结构与算法及其在故障诊断中的应用成果，了解了算法的改进在故障辨识中的重要作用。 学习了D-S证据理论的基本原理以及证据理论冲突证据的合成方法在故障诊断中的应用。 增加对Csharp的理解，在书本基础上改进程序。;神经网络与故障诊断是怎样走到一起的？;即把输入样本归到不同区间，找出符合分类要求的分界线。 也可以通过对输入样本的训练学习，理论上可以任意精度逼近任意复杂的非线性映射。;BP神经网络研究内容 ;例如……;一般用于故障诊断的BP神经网络，输入层节点i, 其输出等于输入xi (i= 1, 2,…, n), 将控制变量值传输到第二层。 隐层节点j, 其输入hj, 输出Oj 分别为 输出层节点k, 其输入hk, 输出yk 分别为 ;1) 将故障样本输入给输入层各节点, 同时它也是该层神经 元的输出； 2) 求出隐层神经元的输出, 并将其作为输出层的输入； 3) 求得输出层神经元的输出； 4) 由阈值函数判定输出层神经元的最终输出结果。 我们用Fk 表示故障类型, 则故障类型阈值判定函数为 Fk = True, if yk Uk Fakse, other 其中Uk 为被诊断系统中由领域专家设定的阈值。;模型如图;D-S合成公式如下;m(A) 一般采用如下式： ;这种方法其实十年前就出现了……;创新;类似创新;;那么，路在何方？;神经网络算法优化 神经网络结构优化 证据理论的冲突证据合成新方法的探索 证据理论与其他方法的结合 ;该方法目前多应用于单一故障早期故障特征不明显时的诊断，很少出现于复合故障的诊断中。;那么，说到软件;了解试验台硬件设备的特点与操作方法。 变频器 控制字 ;路漫漫其修远兮，吾将上下而求索