神经网络在系统故障诊断中的应用研究 开题报告.docVIP

青岛农业大学 毕业论文(设计)开题报告 题 目： 神经网络在系统故障诊断中的应用研究 姓 名： 2010年 3月 8日 一、选题依据(拟开展研究项目的研究目的、意义等) 随着现代科学技术的飞速发展，工程设备日趋复杂，自动化程度越来越高，设备运行的安全性和可靠性越来越受到人们的重视，安全保障已经成为系统征程运行的重要组成部分系统中出现的某些微小的故障若不能及时检测并排除，就有可能造成整个系统的失效、瘫痪，甚至导致巨大的灾难性后果，所以人们总是期望建立一套检测、预警、容错和维修机制，伴随系统运行的全寿命周期，防止和杜绝影响系统正常运行的故障的发生和发展。 在过去几十年里，传统的故障诊断技术得到了飞快的发展并在工程中发挥了重要的作用。传统故障诊断技术对于比较简单的设备或单一故障，能够发挥其独特的作用，但对于大型复杂设备多多个故障交互情况，却无能为力。人工智能智能故障诊断技术就是为了解决这样大而复杂为题而产生的一门新型技术基于人工神经网络的故障诊断技术是目前比较流行故障诊断技术。 基于神经网络的故障诊断技术具有五大特点，首先，并行结构与并行处理方式。神经网络采用类似人脑的功能，它不仅在结构上是并行的，而且其处理问题方式也是并行的，诊断信息输入之后可以很快地传递到神经元进行处理，提高了计算速度，特备适合处理大量的并行信息。其次，具有高度的自适应能性。系统在知识表示和组织、诊断求解策略与实施等方面可根据生存环境自适应自组织到自完善。再次，具有很强的自学能力。神经网络是一种变结构系统，神经元连接形式的多样性和连接强度的可塑性，使其对环境的适应能力和对外界事物的学习能力非常强。系统可根据环境提供的大量信息，自动进行联想、记忆及聚类等方面的自组织学习，也可在导师指导下学习特定的任务。其次，具有很强的容错性。神经网络的诊断信息分布式的储存于整个网络中相互连接的权值上，且每个神经元储存信息的部分内容，因此即使部分神经元丢失或外界输入到神经网络中的信息存在某些局部错误，也不影响真个系统的输出性能。最后，实现了将知识表示、存储、推理三者融为一体。它们都由一个神经网络来实现。 神经网络技术发展迅速，在硬件技术方面，一些发达国家，如美国和日本均使用了规模超过1000个神经元的网络系统，这样的系统具有极高的运算速度，而且已经在股票数据分析中得到了应用。另外，为了克服电子元件交叉极限问题，很多国家都在研究电子元件之外的神经网络系统，如光电子元件、生物元件等。在神经网络理论研究方面，主要进展有Boltzmann机理论研究、细胞网络的提出及其分析等。 20世纪60年代初，电路的故障诊断作为网络的第三大分支在军事工业上首先开始研究。它主要任务是：在已知网络拓扑结构、输入激励信号和故障下响应时，求解故障元件的物理位置和参数。电子系统包括数字和模拟电路两个部分，数字电路的故障诊断目前已比较成熟并且投入使用。同数字电路相比，模拟电路集成度较低，其故障诊断的发展速度比较慢。 模拟电路故障诊断理论和方法自20世纪70年代以来，取得了不少阶段性的成果。依据电路方针在实际测试中不同阶段，分为两大类：测前模拟诊断（SBT）和后模拟诊断（SAT），介于这两种分类之间的还有逼近法及人工智能两种方法。 二、国内外同类研究或同类设计的概况综述(在充分收集研究主题相关资料的基础上，分析国内外研究现状，提出问题，找到研究主题的切入点，附主要参考文献) 神经网络研究已经有40年历史，早在20世纪40年代，心理学家Mcculloch和Pitts就提出了神经元的形式模型[1]，Hebb提出了改变神经元连接强度的规则[2]，在他们至今仍在各种神经网模型中起着重要作用。随后，Rosenblatt，Widrow等人对他们进行了改进并提出了感知器[3] (Perceptron)和自适应现行元件[4]（Adaptive linear Element）。后来Hopfield，Rumelhart，Mcclelland，Anderson，Feldman，Grosbberg和Kohonen等人所做的工作又掀起了神经网络研究的热潮。由于神经网络具有并行处理、联想记忆、自组织及自学习能力和极强的非线性映射特性，能对复杂的信息进行识别处理并给予准确处理的分类，因此可以用来对系统设备有故障引起的状态变化进行识别和判断。人工神经网络作为一种新的模式识别技术或新的知识识别处理方法，在设备故障诊断领域显示出了极大的应用潜力[4-5]。 本世纪以来，小波分析、信息融合技术及遗传算法等应用于模拟电路故障诊断的研究亦开始起步[6-8]，为形成实用的有效诊断方法开辟了新的途径。 目前，利