[阶段工作报告.pptVIP

近期工作报告 孟昭燃 2012,10.15 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？ BP神经网络研究内容 BP神经网络是一种前馈网络 例如…… 李巍华等将神经网络与证据理论结合，将故障参数划分为三个子空间（时域特征参数，频域特征参数，量纲特征参数），每个子空间构造一个分类器。输入层节点对应样本集 的各特征参数，输出层节点对应故障模式类，隐含层节点数取值为输入层节点数的两倍加1。结点处功能函数如右。ω表示权值，v表示神经元的输出，具体函数以及权值取值文献没有给出。 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 作者对神经网络没有改进。 作者通过计算证据间的距离来获得证据的可信度因子，并据此对原始证据进行修正。这是TRIZ创新原理中反馈原理的应用。 类似创新 Yager于六十年代将冲突部分的基本概率赋值分配给识别框架内的未知命题集合，以产生稳健的组合结果。 孙全等在2000年发表的论文中，将冲突部分的基本概率赋值按照某种比例分配给证据所支持的命题集合，只是两种方法分配冲突时所取的比例不同。 时剑锋等2009年进行了小波包与改进BP神经网络相结合的齿轮箱故障识别。 秦太龙提出了基于IMF能量矩和神经网络的轴承故障诊断，先求出IMF能量矩特征向量, 最后借助BP神经网络的分类能力对特征向量进行分类，实质是EMD分解方法与BP神经网络的结合。 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 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 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 主要工作内容： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 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。 模式识别与分类 故障诊断的本质是模式识别，神经网络(N