机械故障诊断学钟秉林神经网络诊断原理.pptxVIP

机械故障诊断学钟秉林神经网络诊断原理第1页/共129页会计学第2页/共129页一、概述人工神经网络（ Artificial Neural Networks，简称ANN）,是近年来得到迅速发展的一个前沿课题。ANN是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统，它由大量的简单的非线性处理单元（类似人脑的神经元）高度并联、互联而成，具有对人脑某些基本特性简单的数学模拟能力。 神经网络由于其大规模并行处理、容错性、自组织和自适应能力和联想功能强等特点，已成为解决很多问题的有力工具。如汽车自驾系统、图像处理（人脸识别）、文字识别（手写识别）、语音识别、故障诊断等。第3页/共129页 与传统计算机的比较 传统计算机神经网络设计算法和/或求解规则，编制软件 无需算法或求解规则，软件编制任务相对简单 指令串行执行 高度并行处理 不能解决形象思维问题，如感知、视觉等 易于实现感知和视觉等形象思维问题 脆弱鲁棒性(Robust)、容错性强， 自适应能力差 自适应性强 强有力的数字和逻辑运算能力，计算精度高 可以处理模糊的、概率的、含噪的或不相容的信息 第4页/共129页一、概述 目前，已经提出的神经网络模型大约有几十种，较为著名的有：贺浦费特模型----Hopfield多层感知器（MultiLayer Perceptron,MLP）模型----Rumelhart自适应共振理论（Adaptive Resonance Theory,ART） ---- Grossberg 和 Carpentent玻尔兹曼（Boltzmann）机----Hinton自组织特征映射（Self-Rrganizing Map, SOM）模型---Kohonen双向联想记忆模型----Kosko第5页/共129页一、概述人工神经网络在故障诊断领域的应用主要集中在如下三个方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预测模型进行故障预测；三是从知识处理角度建立基于神经网络的诊断专家系统。本章首先介绍神经网络的基本原理，然后着重从第一方面出发介绍几类在故障诊断领域应用较为广泛的神经网络模型。第6页/共129页一、概述人工神经网络发展简史最早的研究可以追溯到20世纪40年代。1943年，心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型。这一模型一般被简称M-P神经网络模型，至今仍在应用，可以说，人工神经网络的研究时代，就由此开始了。1949年，心理学家Hebb提出神经系统的学习规则，为神经网络的学习算法奠定了基础。现在，这个规则被称为Hebb规则，许多人工神经网络的学习还遵循这一规则。 第7页/共129页一、概述1957年，F.Rosenblatt提出“感知器”(Perceptron) 模型，第一次把神经网络的研究从纯理论的探讨付诸工程实践，掀起了人工神经网络研究的第一次高潮。20世纪60年代以后，数字计算机的发展达到全盛时期，人们误以为数字计算机可以解决人工智能、专家系统、模式识别问题，而放松了对“感知器”的研究。于是，从20世纪60年代末期起，人工神经网络的研究进入了低潮。 第8页/共129页一、概述1982年，美国加州工学院物理学家Hopfield提出了离散的神经网络模型，标志着神经网络的研究又进入了一个新高潮。1984年，Hopfield又提出连续神经网络模型，开拓了计算机应用神经网络的新途径。1986年，Rumelhart和Meclelland提出多层网络的误差反传(Back Propagation)学习算法，简称BP算法。BP算法是目前最为重要、应用最广的人工神经网络算法之一。 自20世纪80年代中期以来，世界上许多国家掀起了神经网络的研究热潮，可以说神经网络已成为国际上的一个研究热点。 第9页/共129页二、人工神经网络的拓扑结构及其学习规则1. 生物神经元与人工神经元模型 生物神经元(NU)神经元是大脑处理信息的基本单元;人脑约由101l-1012个神经元组成，其中，每个神经元约与104-105个神经元通过突触联接，形成极为错纵复杂而且又灵活多变的神经网络;神经元以细胞体为主体，由许多向周围延伸的不规则树枝状纤维构成的神经细胞，其形状很像一棵枯树的枝干;主要由细胞体、树突、轴突和突触(Synapse，又称神经键)组成。第10页/共129页二、人工神经网络的拓扑结构及其学习规则细胞体对这些输入信号进行整 合并进行阈值处理；树突是树状的神经纤维接收网络，它将电信号传送到细胞体；轴突是单根长纤维，它把细胞 体的输出信号导向其他神经元；一个神经细胞的轴突和另一个 神经细胞树突的结合点称为突触 [兴奋型、抑制型，膜外为正、膜内为负]神经元的排列和突触的