热力系统辨识与仿真_概率神经网络(PNN)简介分析.pptx

概率神经网络(PNN)辨识的应用 September 30, 2016 姓名： 学号： 1 概率神经网络简介 概率神经网络(PNN) 是一种将概率密度用在分类中的并行算法。这类神经网络常被用来解决分类问题，在图形学中的图像识别、人工智能设备的辨识、各类机械设备的故障诊断以及状态监测中运用的较多。 概率神经网络是一种前馈神经网络，它可以用线性学习算法来处理非线性的问题，与此同时也可以保持非线性学习算法的精度。这种网络不仅精度高结构还简单，训练起来很方便。网络中的权值就是模式样本的分布，网络权值不需要训练就可以满足要求。运用起来方便简单 1.1 应用及优点 1 概率神经网络简介 1.2 PNN网络组成 概率神经网络基本结构 2 PNN进行故障诊断 2.1 仿真 2 PNN进行故障诊断 2.2 获得数据 2 PNN进行故障诊断 2.3 进行网络训练 将归一化后的数据输入网络进行训练，训练好后即可以用网路来进行故障诊断。 将一组参数输入网络，网络既可以给出是否发生故障，以及故障的类型。 2 PNN进行故障诊断 2.4 诊断结果 3 PNN进行图像识别 3.1 图像识别原理 车牌号由蓝色和白色组成，但是如果放大来看的话就会发现背景色不仅仅是蓝色，牌号也不仅仅有白色组成，还间杂了其他颜色。 车牌号采用RGB来绘制每一个像素点，PNN神经网络识别图片中每个像素点，接近蓝色RGB值的分为A，接近白色的分为B，再用0、1来表示A和B，实现车号牌的二值化。 3 PNN进行图像识别 3.2 图像识别步骤 选取背景色和号码色的样本图片收集它们各自的颜色样本数据 运用收集的颜色数据训练PNN神经网络 需要识别的车牌图片中每个像素的颜色数据输入PNN神经网络完成分类，然后重置图片颜色数据完成二值化。 3 PNN进行图像识别 3.3 图像识别结果 车牌原图 二值化后效果图 4 神经网络与用途 目前智能神经网络技术得到了很大的发展，现在已经运用到了各行各业中 4 神经网络与用途 5 总结 在利用神经网络进行辨识主要是建立参数化的模型，例如故障诊断案例中利用各参数特征反应故障，车牌识别中将像素点的颜色转化为具体的RGB值。 系统辨识实际上是一个最优化问题，由辨识的目的与辨识算法的复杂性等因素决定其优化准则。通过建立系统的依赖于参数的模型，把辨识问题转化为对模型参数的估计问题。神经网络用于系统辩识的一个优点是它不需要预先建立实际系统的辩识格式，它对系统的辩识过程就是直接学习系统的输入输出数据的过程。 6 参考文献 [1] 杨凌霄,朱亚丽. 基于概率神经网络的高压断路器故障 诊断[J]. 电力系统保护与控制,2015,43(10):62-67. [2] MATLAB中文论坛. MATLAB神经网络30个案例分析[M]. 北京:北京航空航天大学出版社, 2010:176-182. [3] 张国钧, 李岚. 神经网络系统辨识法综述[J]. 2010. [4] 万怡骎. 基于概率神经网络的变压器故障诊断[D].南 昌: 南昌大学, 2007. 谢谢！