智能诊断技术人工神经网络
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能诊断技术
智能诊断发展背景及历史
以经典控制理论和现代控制理论为基础的诊断技术被称为传统( 或常规)的诊断技术，传统诊断技术的共同特点是：各种理论及 方法都是建立在对象的数学模型基础上的，或者说，传统诊断技 术的前提条件是必须能够在常规理论指定的框架下，用数学公式 严格地描绘出被控对象的动态行为。
8
神经网络诊断原理 生物神经系统 脑组织的基本单元是神经细胞，也称神经元
(Neuron)； 人脑由约1011个神经元组成，神经元互连构成神经
网络
9
神经网络诊断原理 生物神经元结构 轴突(Axon)：由细胞体伸出的最长一条神经纤维，
相当于神经元的输出电缆，其端部神经末稍为信号 的输出端。 树突(Dendrite)：由细胞体向外伸出的较短的神经 纤维，相当于神经元的输入端，接受其他神经元的 输入信息。
传统诊断技术特点：以数据处理为核心，侧重信号的检测和分析 ; 发展比较成熟，但诊断功能较弱。
诊断技术的发展
随着计算机技术的发展及智能技术的应用，近代工业控制系统和航空航天 控制系统正日趋复杂，系统中任一元部件的失效都可能使系统性能降低，甚 至造成重大事故。面对现实情况，人们已开始思考传统诊断技术的局限性了 。 第二阶段：智能诊断技术 = AI + 常规诊断技术 智能诊断技术是在计算机和人工智能的基础上发展起来的，是一门集数 学、物理、化学、电子技术、计算机技术、通讯技术、信息处理、模式识别 和人工智能等多学科于一体的综合性技术 特点：以知识处理为核心，运用人工智能(AI)技术实现诊断过程的自动化 和智能化。 研究重点：智能诊断方法。
认为故障已经发生或将要发生，信号也主要是由人工通过各种仪器仪表进行采集 （2）单信号滤波诊断的基本原理是对时间序列信号进行滤波变换，得到信号的特征信息后，再对此特征信
息进行阀值诊断
2
诊断技术的发展
（3）多信号模型诊断的特点是考虑了信号间的融合关系，且 通过定量和定性的分析方法实现诊断。 （4）机内测试技术是利用设备内部具有自检能力的硬件和软 件来实现对设备检测的一种方法，可为系统和设备内部提供 检测、故障隔离的能力。
多输入：X = ( x1，x2，… ，xn )
单输出：y
n
s
i1
xi
wi
联接强度：权值wi
正负：突触的兴奋及抑制
大l 小神经：元突阈触值的(偏连置接)：强当度神经元的网络输入 s >b 时，它处于 信号激发累状积态：，求应和给函出适数当的输出。
n
l b 也相当于固定输入 x0 =-1的权值s；b i0xiwi
诊断技术的发展
故障诊断技术是医学诊断的基本思想在工程领域的推广和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 方法：诊断方法包括单信号处理方法、单信号滤波诊断、多信号模型诊断以及机内测试技术(build—intest
，BIT) （1）单信号处理方法较少考虑信号间的耦合，主要采用阀值模型。当系统的输入输出超出一定范围时，就
智能诊断方法
智能诊断技术是在计算机和人工智能的基础上发展 起来的，所以其在工程实现中主要是组成以计算机为主体的
智能诊断系统，他有单机模式、分布式模式、网络化模式3种 结构模式。其方法主要有：基于专家系统的诊断方法和基于 神经网络的诊断方法。此外还有基于模糊逻辑的诊断方法以 及基于模糊粗糙集的诊断方法
6
智能诊断技术
人工神经网络诊断原理
神经网络诊断原理
什么是人工神经网络 人工神经网络（Artificial Neural Networks，简称
ANN）是在神经生理学研究的基础上，模仿人脑神经 元结构特性而建立的一种网络系统。它由大量处理单 元高度互联而成，具有对人脑某些基本特性的简单模 拟能力。 ANN是一种模仿人脑结构及其功能的信息处理系统。 简单地讲，它是一个数学模型，可以用电子线路来实 现，也可以用计算机程序来模拟。 别名：并行分布处理系统(PDP)、人工神经系统(ANS) 、神经网络(NN)、神经计算机(Neurocomputer)
作用：用于判定网络输入是否超过阈值b；
f (x)10
if x0 if x0
y
1. 0
0
x
15
神经网络诊断原理
激活函数（Activation Function）
（2）Sigmoid函数
它是非线性函数，且处处连续可导；
对信号有很好的增益控制
y
应用广泛
1
f (x) 1 1ex
0.5
0
ຫໍສະໝຸດ Baidu
x
16
神经网络诊断流程 故障诊断流程
n
y f (xiwi) i0
13
神经网络诊断原理 人工神经元模型 f：激活函数，它是一个变换函数，将神经元的网
络输入变换到指定的有限范围内输出。 f 是神经元的核心，影响神经网络解决问题的能力
。
14
神经网络诊断原理
激活函数（Activation Function） （1）阶跃函数
也称为阈值函数
故障诊断技术是医学诊断的基本思想在工程领域的推广 和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 特点：以数据处理为核心，侧重信号的检测和分析; 发展比较 成熟，但诊断功能较弱。 第二阶段：智能诊断技术 = AI + 常规诊断技术 特点：以知识处理为核心，运用人工智能(AI)技术实现诊断过 程的自动化和智能化。 研究重点：智能诊断方法。
生物神经元结构图 10
神经网络诊断原理
生物神经元结构 突触(Synapse)：一个神经元的轴突末梢及另一个神
经元的树突相接触的部位,相当于神经元之间的输入 输l 出同一接神口经元输出的信号是相同的，但
对不同接受神经元的影响效果不同， 这主要由突触的连接强度决定。 l 可塑性：突触的连接强度可以通过训 练而改变，即具有学习功能； l 突触有两种类型：刺激型和抑制型
11
神经网络诊断原理
生物神经系统的基本特征 神经元及其联接：多输入，单输出； 神经元之间的联接强度决定信号传递的强弱 神经元之间的联接强度可以通过训练改变 信号可以起刺激作用，也可以起抑制作用 神经元接受信号的累积决定该神经元的状态 每个神经元可以有一个“阈值”。
12
神经网络诊断原理
人工神经元模型
智能诊断发展背景及历史
以经典控制理论和现代控制理论为基础的诊断技术被称为传统( 或常规)的诊断技术，传统诊断技术的共同特点是：各种理论及 方法都是建立在对象的数学模型基础上的，或者说，传统诊断技 术的前提条件是必须能够在常规理论指定的框架下，用数学公式 严格地描绘出被控对象的动态行为。
8
神经网络诊断原理 生物神经系统 脑组织的基本单元是神经细胞，也称神经元
(Neuron)； 人脑由约1011个神经元组成，神经元互连构成神经
网络
9
神经网络诊断原理 生物神经元结构 轴突(Axon)：由细胞体伸出的最长一条神经纤维，
相当于神经元的输出电缆，其端部神经末稍为信号 的输出端。 树突(Dendrite)：由细胞体向外伸出的较短的神经 纤维，相当于神经元的输入端，接受其他神经元的 输入信息。
传统诊断技术特点：以数据处理为核心，侧重信号的检测和分析 ; 发展比较成熟，但诊断功能较弱。
诊断技术的发展
随着计算机技术的发展及智能技术的应用，近代工业控制系统和航空航天 控制系统正日趋复杂，系统中任一元部件的失效都可能使系统性能降低，甚 至造成重大事故。面对现实情况，人们已开始思考传统诊断技术的局限性了 。 第二阶段：智能诊断技术 = AI + 常规诊断技术 智能诊断技术是在计算机和人工智能的基础上发展起来的，是一门集数 学、物理、化学、电子技术、计算机技术、通讯技术、信息处理、模式识别 和人工智能等多学科于一体的综合性技术 特点：以知识处理为核心，运用人工智能(AI)技术实现诊断过程的自动化 和智能化。 研究重点：智能诊断方法。
认为故障已经发生或将要发生，信号也主要是由人工通过各种仪器仪表进行采集 （2）单信号滤波诊断的基本原理是对时间序列信号进行滤波变换，得到信号的特征信息后，再对此特征信
息进行阀值诊断
2
诊断技术的发展
（3）多信号模型诊断的特点是考虑了信号间的融合关系，且 通过定量和定性的分析方法实现诊断。 （4）机内测试技术是利用设备内部具有自检能力的硬件和软 件来实现对设备检测的一种方法，可为系统和设备内部提供 检测、故障隔离的能力。
多输入：X = ( x1，x2，… ，xn )
单输出：y
n
s
i1
xi
wi
联接强度：权值wi
正负：突触的兴奋及抑制
大l 小神经：元突阈触值的(偏连置接)：强当度神经元的网络输入 s >b 时，它处于 信号激发累状积态：，求应和给函出适数当的输出。
n
l b 也相当于固定输入 x0 =-1的权值s；b i0xiwi
诊断技术的发展
故障诊断技术是医学诊断的基本思想在工程领域的推广和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 方法：诊断方法包括单信号处理方法、单信号滤波诊断、多信号模型诊断以及机内测试技术(build—intest
，BIT) （1）单信号处理方法较少考虑信号间的耦合，主要采用阀值模型。当系统的输入输出超出一定范围时，就
智能诊断方法
智能诊断技术是在计算机和人工智能的基础上发展 起来的，所以其在工程实现中主要是组成以计算机为主体的
智能诊断系统，他有单机模式、分布式模式、网络化模式3种 结构模式。其方法主要有：基于专家系统的诊断方法和基于 神经网络的诊断方法。此外还有基于模糊逻辑的诊断方法以 及基于模糊粗糙集的诊断方法
6
智能诊断技术
人工神经网络诊断原理
神经网络诊断原理
什么是人工神经网络 人工神经网络（Artificial Neural Networks，简称
ANN）是在神经生理学研究的基础上，模仿人脑神经 元结构特性而建立的一种网络系统。它由大量处理单 元高度互联而成，具有对人脑某些基本特性的简单模 拟能力。 ANN是一种模仿人脑结构及其功能的信息处理系统。 简单地讲，它是一个数学模型，可以用电子线路来实 现，也可以用计算机程序来模拟。 别名：并行分布处理系统(PDP)、人工神经系统(ANS) 、神经网络(NN)、神经计算机(Neurocomputer)
作用：用于判定网络输入是否超过阈值b；
f (x)10
if x0 if x0
y
1. 0
0
x
15
神经网络诊断原理
激活函数（Activation Function）
（2）Sigmoid函数
它是非线性函数，且处处连续可导；
对信号有很好的增益控制
y
应用广泛
1
f (x) 1 1ex
0.5
0
ຫໍສະໝຸດ Baidu
x
16
神经网络诊断流程 故障诊断流程
n
y f (xiwi) i0
13
神经网络诊断原理 人工神经元模型 f：激活函数，它是一个变换函数，将神经元的网
络输入变换到指定的有限范围内输出。 f 是神经元的核心，影响神经网络解决问题的能力
。
14
神经网络诊断原理
激活函数（Activation Function） （1）阶跃函数
也称为阈值函数
故障诊断技术是医学诊断的基本思想在工程领域的推广 和应用，其发展过程可分为两个阶段， 第一阶段：常规诊断技术 基础：传感器技术和自动测试技术。 特点：以数据处理为核心，侧重信号的检测和分析; 发展比较 成熟，但诊断功能较弱。 第二阶段：智能诊断技术 = AI + 常规诊断技术 特点：以知识处理为核心，运用人工智能(AI)技术实现诊断过 程的自动化和智能化。 研究重点：智能诊断方法。
生物神经元结构图 10
神经网络诊断原理
生物神经元结构 突触(Synapse)：一个神经元的轴突末梢及另一个神
经元的树突相接触的部位,相当于神经元之间的输入 输l 出同一接神口经元输出的信号是相同的，但
对不同接受神经元的影响效果不同， 这主要由突触的连接强度决定。 l 可塑性：突触的连接强度可以通过训 练而改变，即具有学习功能； l 突触有两种类型：刺激型和抑制型
11
神经网络诊断原理
生物神经系统的基本特征 神经元及其联接：多输入，单输出； 神经元之间的联接强度决定信号传递的强弱 神经元之间的联接强度可以通过训练改变 信号可以起刺激作用，也可以起抑制作用 神经元接受信号的累积决定该神经元的状态 每个神经元可以有一个“阈值”。
12
神经网络诊断原理
人工神经元模型