基于rbf神经网络的故障诊断.pptVIP

基于RBF神经网络的故障诊断 一、神经网络用与故障诊断的优点 ⑴ 训练过的神经网络能存储有关过程的知识，能直接从历史故障信息中学习。可以根据对象的日常历史数据训练网络，然后将此信息与当前测量数据进行比较，以确定故障的类型。 ⑵ 神经网络具有滤除噪声及在有噪声情况下的出正确结论的能力，可以训练人工神经网络来识别故障信息，使其能在噪声环境中有效地工作，这种滤除噪声的能力使得人工神经网络适合在线故障检测和诊断。 ⑶ 神经网路具有分辨故障原因及故障类型的能力。 二、基于神经网络诊断系统结构 神经网络作为一种自适应的模式识别技术，并不需要预先给出有关模式的经验知识和判别函数，它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。它可以充分利用状态信息，对来自于不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习，如果环境发生改变，这种映射关系还可以自适应地进行调整。 典型的基于神经网络模式识别功能的诊断系统结构如下图所示。 二、基于神经诊断系统结构 上图中，基于神经网络的诊断过程分为两步。首先，基于一定数量的训练样本集（通常称为“征兆——故障”数据集）对神经网络进行训练，得到期望的诊断网络；其次，根据当前诊断输入对系统进行诊断，诊断的过程即为利用神经网络进行前向计算的过程。在学习和诊断之前，通常需要