神经网络故障诊断.pptVIP

第18章 神经网络故障诊断 本章要点 神经网络故障诊断方法 基于BP神经网络的设备状态分类 船舶柴油机涡轮增压系统神经网络故障诊断 基于概率径向基神经网络的柴油机燃油系统故障诊断 18.1 神经网络与故障模式识别 神经网络之所以在故障诊断中得到广泛应用，主要是因为它具有以下诸多优势： （1） 学习能力 （2） 联想记忆功能 （3） 非线性映射 （4）分类和识别 （5）知识处理 18.1.1 常用的模式识别方法 传统的模式识别方法有基于决策理论的统计模式识别和基于形式语言的句法（结构）模式识别，统计法和结构法是模式识别两种经典方法。随着神经网络在语音识别、模式识别、图像处理和工业控制等方面的广泛应用，神经网络模式识别方法越来越显示了它解决问题的优越性。 （1）统计模式识别 （2）句法模式识别 （3）神经网络模式识别 18.1.2 神经网络在故障模式识别中的应用 用于故障诊断的神经网络可分为有导师学习神经网络和无导师学习神经网络两类，前者主要包括BP网和径向基函数网络；后者主要包括有自组织特征映射（SOM）网络。 神经网络学习性能的好坏主要体现在两个方面：学习速度和泛化能力。学习速度表现在满意地逼近训练样本所花费的时间上，泛化能力则表现在对未训练样本的逼近程度上。影响网络性能的主要因素有网络拓扑结构和规模、网络权重修改策略、网络节点的激励特性等。 18.2 基于BP网络的设备状态分