智能诊断技术-人工神经网络.pptVIP

智能诊断发展背景及历史 以经典控制理论和现代控制理论为基础的诊断技术被称为传统(或常规)的诊断技术，传统诊断技术的共同特点是：各种理论与方法都是建立在对象的数学模型基础上的，或者说，传统诊断技术的前提条件是必须能够在常规理论指定的框架下，用数学公式严格地描绘出被控对象的动态行为。 诊断技术的发展 （3）多信号模型诊断的特点是考虑了信号间的融合关系，且通过定量和定性的分析方法实现诊断。 （4）机内测试技术是利用设备内部具有自检能力的硬件和软件来实现对设备检测的一种方法，可为系统和设备内部提供检测、故障隔离的能力。 传统诊断技术特点：以数据处理为核心，侧重信号的检测和分析; 发展比较成熟，但诊断功能较弱。 诊断技术的发展 随着计算机技术的发展及智能技术的应用，近代工业控制系统和航空航天控制系统正日趋复杂，系统中任一元部件的失效都可能使系统性能降低，甚至造成重大事故。面对现实情况，人们已开始思考传统诊断技术的局限性了。 第二阶段：智能诊断技术 = AI + 常规诊断技术 智能诊断技术是在计算机和人工智能的基础上发展起来的，是一门集数学、物理、化学、电子技术、计算机技术、通讯技术、信息处理、模式识别和人工智能等多学科于一体的综合性技术 特点：以知识处理为核心，运用人工智能(AI)技术实现诊断过程的自动化和智能化。 研究重点：智能诊断方法。 智能诊断方法 智能诊断技术是在计算机和人工智能的基础上发展 起来的，所以其在工程实现中主要是组成以计算机为主体的智能诊断系统，他有单机模式、分布式模式、网络化模式3种结构模式。其方法主要有：基于专家系统的诊断方法和基于神经网络的诊断方法。此外还有基于模糊逻辑的诊断方法以及基于模糊粗糙集的诊断方法 人工神经网络诊断的优缺点 优点 ：人工神经网络法的丰要优点在于其具有自动学习、联想、记忆和推测的功能：该方法是分布处理的．同时有并行处理复杂问题的强大功能：其非线性的映射很强．可以处理多故障的问题：其有能够进行多种因素预报的能力且其预测准确度非常高。 缺点 ：人工神经网络法的主要缺点为：算法相当复杂，需要预测的模型有一部分是无法用公式表达出来的：在训练的过程中需要样本数量较大，并且当样本不足时，诊断的效果会大打折扣：应用之前所需训练的时间过长。 神经网络诊断原理 人工神经刚络法是根据生物神经学方面的研究成果而提出的一个人工智能方面的概念．其主要含义是对人脑中神经结构和行为进行类似模拟。因为该法是高度并行的．所以在对故障的处理中速度极快．并且能够根据环境自动辨识．以线性的方法处理问题。人工神经网络作为一种自适应的模式识别技术，并不需要预先给出关于模式的先验知识和判别函数，而是通过自身的学习机制自动形成所要求的决策区域，具有并行分布处理能力，以及自组织、自学习、自适应能力和联想记忆功能等。处理模糊的、随机的、不完整的信息，并可通过故障实例和诊断经验知识进行训练和学习，把故障诊断的知识存储于网络的连接权中。环境改变时还可进行自适应调整，实现输入征兆与故障间的非线性映像，出色解决那些用传统模式识别方法难以圆满解决的问题 * 神经网络诊断原理 BP网络训练过程 训练过程是根据样本集对权值进行调整的过程； BP网络训练是有导师训练，所以训练样本为： （输入向量，目标输出向量） 权值初始化：不相同的小随机数。 BP网络的训练过程分为如下两个阶段： （1）向前传播阶段： 从样本集中取一个样本( Xp，Dp )，将Xp输入网络； 计算相应的实际输出Op： Op=Fl ( … ( F2 ( F1 (XpW(1)) W(2) )…) W(L) ) 智能诊断技术 * 诊断技术的发展 故障诊断技术是医学诊断的基本思想在工程领域的推广和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 方法：诊断方法包括单信号处理方法、单信号滤波诊断、多信号模型诊断以及机内测试技术(build—intest，BIT) （1）单信号处理方法较少考虑信号间的耦合，主要采用阀值模型。当系统的输入输出超出一定范围时，就认为故障已经发生或将要发生，信号也主要是由人工通过各种仪器仪表进行采集 （2）单信号滤波诊断的基本原理是对时间序列信号进行滤波变换，得到信号的特征信息后，再对此特征信息进行阀值诊断 * 故障诊断技术是医学诊断的基本思想在工程领域的推广和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 特点：以数据处理为核心，侧重信号的检测和分析; 发展比较成熟，但诊断功能较弱。 第二阶段：智能诊断技术 = AI + 常规诊断技术 特点：以知识处理为核心，运用人工智能