RBF神经网络在航空发动机故障诊断中的应用72.docVIP

RBF神经网络及其在航空发动机故障诊断中的应用 摘要：飞机发动机的故障诊断对航空公司有着非常重要的意义，如果能全面了解发动机性能并对其故障进行快速、准确的隔离和辨识，就可以更好的有计划的换发以及确定发动机送修时的工作范围和深度，从而大大的减少运营和维修成本，提高公司效益，并有效避免重大事故的发生。 对神经网络的研究表明，神经网络具有良好的工程应用前景，神经网络被认为是最有潜力的诊断工具。机故障诊断的神经网络主要有 BP 网络、自组织(SOM)神经网络、概率(PNN)神经网络。本文首先对神经网络进行了介绍，讲解了RBF神经网络的算法，并在matlab软件基础上应用RBF神经网络对于故障诊断进行了初步的应用。 关键词：飞机发动机，神经网络，故障诊断，径向基(RBF)神经网络 生物神经网络基础 1.1生物神经元的结构 大脑中的神经元形态不尽相同，功能也有差异，但从组成结构来看个神经元细胞是有共性的。神经元在结构上由细胞体、树突、轴突和突触四部分组成。如图1 图1 神经细胞的结构 1.2生物神经元的信息处理机理 神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢（也就是终端）和本神经细胞的树突相遇形成突触，信号就从树突上的突触进入本细胞。信号在大脑中实际怎样传输是一个相当复杂的过程，但就我们而言，重要的是把它看成和现代的计算机一样，利用一系列的0和1来进行操作。就是说，大脑的神经细胞也只有两种状态：兴奋（fire）和不兴奋（即抑制）。发射信号的强度不变，变化的仅仅是频率。神经细胞利用一种我们还不知道的方法,把所有从树突突触上进来的信号进行相加，如果全部信号的总和超过某个阀值，就会激发神经细胞进入兴奋状态，这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值，神经细胞就不会兴奋起来。 1.3人脑的功能特点 由于脑神经细胞间数量巨大的连接，使得大脑具备难以置信的能力。尽管每一个神经细胞仅仅工作于大约100Hz的频率，但因各个神经细胞都以独立处理单元的形式并行工作着，使人类的大脑具有下面这些非常明显的特点：? ???能实现无监督的学习。??有关我们的大脑的难以置信的事实之一，就是它们能够自己进行学习，而不需要导师的监督教导。如果一个神经细胞在一段时间内受到高频率的刺激，则它和输入信号的神经细胞之间的连接强度就会按某种过程改变，使得该神经细胞下一次受到激励时更容易兴奋。? ??与此相反的是，如果一个神经细胞在一段时间内不受到激励，那么它的连接的有效性就会慢慢地衰减。这一现象就称可塑性 ?1）对损伤有冗余性。?大脑即使有很大一部分受到了损伤，它仍然能够执行复杂的工作。例如在人类身上能见到这种现象：由于心血管病或其他原因引起大面积脑组织坏死的脑梗死病人经过一段时间的康复训练后也能恢复健康，特别是，记忆力并不受损。 ??2）处理信息的效率极高。?神经细胞之间电-化学信号的传递，与一台数字计算机中CPU的数据传输相比，速度是非常慢的，但因神经细胞采用了并行的工作方式，使得大脑能够同时处理大量的数据。例如，大脑视觉皮层在处理通过我们的视网膜输入的一幅图象信号时，大约只要100ms的时间就能完成。考虑到神经细胞的平均工作频率只有100Hz，100ms的时间就意味只能完成10个计算步骤！想一想通过我们眼睛的数据量有多大，你就可以看到这真是一个难以置信的伟大工程了。? ??3）善于归纳推广。 大脑和数字计算机不同，它极擅长的事情之一就是模式识别，并能根据已熟悉信息进行归纳推广。例如，我们能够阅读他人所写的手稿上的文字，即使我们以前从来没见过他所写的东西。 人工神经网络 鉴于大脑具有以上的优点科学家们创造出了人工神经网络。人工神经网络是基于生理学上真实的人脑神经网络的结构和原理以及基本特性进行理论抽象、简化和模拟而成的一种信息处理系统。 2.1人工神经元网络的神经元模型 与大脑类似，神经元是人工神经网络的基本单元。目前人们提出的神经元模型有多种，其中影响最大的是1943年心理学家McCulloch和数学家W . Pitts在分析总结神经元基本特性的基础上首先提出的M-P模型。如图2 图2 M-P模型示意图 其中x1，x2，…xn。为输入信息号，为神经元内部状态，θj为阈值，W i j为两个神经元的连接权值，f (.) 为激发函数，y j为输出，上述模型的数学形式为： y j=?(∑ W ij X j - θ i) 这样，每一个神经元的输入接受前一级神经元的输出，因此，对神经元j的总作用为所有输入的加权和减去阈值(若无阈值则不减)，此作用引起神经元j的状态变化，而神经元j的输出y，为其当前状态( ∑ W ij X j - θ I )的函数。 2.2人工神经元网络模型 大量神经元相互连接组成庞大的神经网