机械故障诊断6.pptxVIP

故障诊断与分类;机械故障诊断的基本过程;聚类分析：原理;状态识别过程;距离函数：分类器Distance function: Classifier;空间距离 Space Distance;欧氏距离 Euclidean distance;马哈劳林比斯距离;明考斯基距离 Minkowski distance;信息距离;标准模式的确定;相似性指标;主分量分析 Principal component Analysis ;主分量分析：坐标变换;主分量分析：求协方差矩阵特征值;主分量分析：特征抽取;主分量分析：例;主分量分析：从CX求转换矩阵和主分量;Fisher线性判别函数;基本思路; 要求类间距离大，类内分布散度小。 ? 两??，Fisher准则函数为 ?多类，Fisher准则函数为 ;　在一维空间 　　(1) 各类样本均值 ???????? 　　　 ????????????????????????????????????????????????????????????????????????????　　　　　　(2) 样本类内离散度 和总类内离散度 ?????????? 　　 ?????????????????????????????????????????????????????????????????????????????????　　　　　　　 ???????????????????????????????????????????　　　;使用Fisher准则求最佳法线向量的解;基本思想：通过选用合适的核函数作为非线性映射函数，就可以将输入空间中的线性不可分问题转化为高维特征空间中的线性可分问题。 ; ◇??线性核函数 ◇??d 阶多项式核函数 ◇??高斯径向基(RBF)核函数 ;一个分类问题实例;特征空间中的最优分类面;核方法的独特思路;基于核函数主元分析的机械故障特征提取;核函数主元分析 ;核函数主元分析(KPCA)的实质 ;KPCA在齿轮箱故障特征提取中的应用;齿轮箱正常与裂纹状态的功率谱;利用KPCA检测齿轮裂纹故障;KPCA对齿轮箱三种工作状态的分类识别;KPCA相对于PCA的优点;基于核的判别分析KDA;setosa;Iris数据的非线性不可分现象;Iris数据的分类－LDA分类结果;KPCA与KDA分类结果(多项式核函数);KPCA与KDA分类结果(RBF核函数);风机不同状态下的轴心轨迹图;KPCA与KDA用于风机状态识别;齿轮不同状态的时域信号;KPCA与KDA用于齿轮故障模式分类;KDA与KPCA的联系 ;模糊诊断原理;隶属度函数 Membership function;隶属度和概率的区别;常用的隶属度函数;常用的隶属度函数;隶属度函数与近似的多值逻辑函数;模糊关系方程;模糊关系矩阵;广义模糊算子;最大最小法;最大最小法 算例;???率算子法;权矩阵法;算例比较;模糊诊断实例 FUZZY DIAGNOSIS EXAMPLE ;模糊特征变量;隶属度函数 Membership function;模糊关系矩阵;用最大最小法进行诊断;遗传算法;遗传算法的描述;;;;2.杂交算子：采用一点杂交;;3.变异算子：以一个很小的概率pm随机改变染色体串上的某些位。 对于二进制串，就是将相应位上的0变为1或将1变为0。; 上述遗传算法描述了从第0代产生第1代的过程，然后遗传算法迭代地执行这个过程，直到满足某个停止准则。在每一代中，算法首先计算群体中每个个体地适应值，然后利用适应值信息，遗传算法分别以概率pc 、 pr 和pm 执行杂交、复制和变异操作，从而产生新的群体。 应用遗传算法求解问题需完成四个主要步骤： 1.确定表示方案 2.确定适应值度量 3.确定控制算法的参数和变量 4.确定指定结果的方法和停止运行的准则;基本遗传算法的构成要素;基本遗传算法的一般框架;GEN＝0;遗传算法的基本实现技术;遗传算法的特点;遗传编程Genetic Programming;遗传编程应用步骤;遗传操作;遗传操作;;;;;人工神经网络;生物神经元;;突触的信息处理;人工神经网络结构;人工神经网络 ;;;(a)阈值单元 (b)线性单元 (c) Sigmoid函数 (d)非线性单元： ;常见神经元响应函数;神经元的模型确定之后，一个神经网络的特性及能力主要取决于网络的拓扑结构及学习方法 人工神经网络连接的几种基本形式 前向网络 (a) 从输出到输入