【正文】 的系統(tǒng)具有極高的運算速度，而且已經(jīng)在股票數(shù)據(jù)分析中得到了應(yīng)用。另外，在其他信息處理問題中也有很多應(yīng)用，如數(shù)據(jù)壓縮、編碼、密碼和股市分析等領(lǐng)域，應(yīng)用內(nèi)容十分豐富。神經(jīng)網(wǎng)絡(luò)的信息處理通過神經(jīng)元的相互作用來實現(xiàn)，知識與信息的存儲表現(xiàn)為網(wǎng)絡(luò)元件互連分布式的物理聯(lián)系。 神經(jīng)元結(jié)構(gòu)模型　　神經(jīng)元模型常用一階微分方程來描述，它可以模擬生物神經(jīng)網(wǎng)絡(luò)突觸膜電位隨時間變化的規(guī)律。 神經(jīng)網(wǎng)絡(luò)的互連模式　　根據(jù)連接方式的不同，神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間的連接有如下幾種形式。感知器網(wǎng)絡(luò)和BP網(wǎng)絡(luò)均屬于前向網(wǎng)絡(luò)。例如，可利用橫向抑制機(jī)理把某層內(nèi)具有最大輸出的神經(jīng)元挑選出來，從而抑制其他神經(jīng)元，使之處于無輸出的狀態(tài)。而在相互結(jié)合網(wǎng)絡(luò)中，信號要在神經(jīng)元之間的反復(fù)傳遞，網(wǎng)絡(luò)處于一種不斷改變狀態(tài)的動態(tài)之中。能夠從環(huán)境中學(xué)習(xí)和在學(xué)習(xí)中提高自身性能視神經(jīng)網(wǎng)絡(luò)的最有意義的性質(zhì)。在學(xué)習(xí)和訓(xùn)練過程中，網(wǎng)絡(luò)根據(jù)實際輸出與期望輸出的比較，進(jìn)行連接權(quán)值和閾值的調(diào)節(jié)。此時，網(wǎng)絡(luò)的學(xué)習(xí)評價標(biāo)準(zhǔn)隱含于其內(nèi)部。常用于自聯(lián)想網(wǎng)絡(luò)，如Hopfield網(wǎng)絡(luò)。用于統(tǒng)計性算法的模擬退火算法也屬于這種學(xué)習(xí)規(guī)則。 神經(jīng)網(wǎng)絡(luò)的特性及實現(xiàn)　　神經(jīng)網(wǎng)絡(luò)的全稱是人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN），它采用物理上實現(xiàn)的器件或采用計算機(jī)來模擬生物體中神經(jīng)網(wǎng)絡(luò)的某些結(jié)構(gòu)和功能，并應(yīng)用于工程領(lǐng)域。　?。?）ANN在結(jié)構(gòu)上與目前的計算機(jī)本質(zhì)不同，它是由很多小的處理單元互相連接而成的，每個處理單元的功能簡單，但大量簡單的處理單元集體的、并行的活動得到預(yù)期的識別、計算的結(jié)果，具有較快的速度?！∩窠?jīng)網(wǎng)絡(luò)的應(yīng)用　　神經(jīng)網(wǎng)絡(luò)由于其獨特的類似于人腦的學(xué)習(xí)和識別的能力，在社會生活的血多領(lǐng)域得到了廣泛的應(yīng)用，比如工業(yè)、科學(xué)研究、醫(yī)學(xué)、商業(yè)等幾個大類。目前，神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)中的研究主要集中于對人體器官進(jìn)行建模和利用工藝有的診斷信息（MRI、CT、超聲）對疾病進(jìn)行識別。圖像去噪的應(yīng)用主要在于HOPFIELD網(wǎng)絡(luò)的能力最小化的能力，把有噪聲的圖像看做能量較大的狀態(tài)，而圖像經(jīng)過HOPFIELD網(wǎng)絡(luò)的進(jìn)化，能量最小的狀況就是圖像被去噪后的狀態(tài)。人工神經(jīng)網(wǎng)絡(luò)技術(shù)在金融工程中的應(yīng)用包括股票和有價證券的預(yù)測分析、資本收益的預(yù)測和分析、風(fēng)險管理，以及信用等級評估等。人們會通過獲取各種先驗信息，建立設(shè)備正常/故障，以及各種不同故障的樣板模式。所謂模式識別就是從模式空間到類別隸屬空間的正確映射。 （2）聚類分類方法。聚類分類方法是一種無監(jiān)督的學(xué)習(xí)方法，就是不利用樣本的類別屬性知識，只根據(jù)樣本的相似性進(jìn)行分類的方法。該方法利用模糊數(shù)學(xué)的理論和方法來解決模式識別問題，因此適用于分類識別對象或要求的識別結(jié)果具有模糊性的場合。而且由于全面的典型參考模式樣本是不容易得到的，但如果采用概率模型，會損失模式識別的精度。而且網(wǎng)絡(luò)可以連續(xù)學(xué)習(xí)，如果環(huán)境發(fā)生改變，這種映射關(guān)系還可以自適應(yīng)地進(jìn)行調(diào)整。首先利用一組故障樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以確定網(wǎng)絡(luò)的結(jié)構(gòu)（中間層的傳遞函數(shù)和神經(jīng)元數(shù)目）和參數(shù)（神經(jīng)元之間的連接權(quán)值和閾值）。 （3）對系統(tǒng)含有不確定因素、噪聲及輸入模式不完備的情況下不太敏感。預(yù)處理預(yù)處理特征選擇/提取特征選擇/提取診斷神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練數(shù)據(jù)處理診斷原始數(shù)據(jù)訓(xùn)練樣本數(shù)據(jù)診斷結(jié)果 基于神經(jīng)網(wǎng)絡(luò)模式識別功能的診斷系統(tǒng)結(jié)構(gòu)，基于神經(jīng)網(wǎng)絡(luò)的診斷過程分為兩步。此外，盡管神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的故障診斷是兩種不同的診斷方式，但兩者是緊密聯(lián)系在一起的。訓(xùn)練好的BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)計算速度快、內(nèi)存消耗低，可用于實時監(jiān)測和診斷。訓(xùn)練樣本集用于對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，而測試集用于檢測網(wǎng)絡(luò)訓(xùn)練的效果和推廣能力。　?。?）根據(jù)診斷輸入，利用BP網(wǎng)絡(luò)進(jìn)行診斷。如果一個新的輸入不能歸于任何一個已經(jīng)形成的模式類中，網(wǎng)絡(luò)又自動生成一個新的模式類，同時如果新的輸入在已經(jīng)形成的模式類中可以找到一個相似的類，那么這個輸入歸入該模式類，且網(wǎng)絡(luò)更接近這個輸入的方向進(jìn)行調(diào)整。 MATLAB基礎(chǔ)知識　Matlab簡介MATLAB是由美國Math works公司發(fā)布的主要面對科學(xué)計算、可視化以及交互式程序設(shè)計的高科技計算環(huán)境。MATLAB可以進(jìn)行矩陣運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域。此外，許多的MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進(jìn)行下載就可以用。經(jīng)過幾年的校際流傳，在Little的推動下，由Little、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市場。 MATLAB的語言特點經(jīng)過20多年應(yīng)用實踐，人們已經(jīng)認(rèn)識到：MATLAB作為一種計算工具和科技資源，可以擴(kuò)大科學(xué)研究的范圍、提高工程生產(chǎn)的效率、縮短開發(fā)周期、加快探索步伐、激發(fā)創(chuàng)作靈感。（4） 程序設(shè)計自由度較大。（8） 開放性的共享源代碼。如相關(guān)分析、頻譜分析、小波分析等； （3）基于知識的智能診斷方法。隨著計算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，網(wǎng)絡(luò)規(guī)模的日益擴(kuò)大，簡單的網(wǎng)絡(luò)故障診斷方法已不能勝任現(xiàn)代復(fù)雜網(wǎng)絡(luò)的故障診斷任務(wù)，基于知識的智能診斷方法成為了網(wǎng)絡(luò)故障診斷的主流方法。Hopfield神經(jīng)網(wǎng)絡(luò)模型是一種循環(huán)神經(jīng)網(wǎng)絡(luò)，從輸出到輸入有反饋連接。如果Hopfield網(wǎng)絡(luò)是一個能收斂的穩(wěn)定網(wǎng)絡(luò)，則這個反饋與迭代的計算過程所產(chǎn)生的變化越來越小，一旦到達(dá)了穩(wěn)定平衡狀態(tài)；那么Hopfield網(wǎng)絡(luò)就會輸出一個穩(wěn)定的恒值。當(dāng)在神經(jīng)網(wǎng)絡(luò)和環(huán)境有交互作用時，對環(huán)境信息的編碼會自發(fā)地在神經(jīng)網(wǎng)中產(chǎn)生，則認(rèn)為神經(jīng)網(wǎng)絡(luò)在進(jìn)行自組織活動。 。大腦通過聚類過程從而識別外界信號，并產(chǎn)生自組織過程。 ；具有這種特定參數(shù)組織的神經(jīng)網(wǎng)絡(luò)對外界的特定事物特別敏感。對于一個系統(tǒng)來說，就是要解決一個系統(tǒng)在受外界信息作用時在內(nèi)部自組織地形成對應(yīng)表示形式?！　? BP神經(jīng)網(wǎng)絡(luò)模型在故障診斷領(lǐng)域應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)模型是前向多層神經(jīng)網(wǎng)絡(luò)模型（BP模型）。隱含層雖然不和外界直接連接，但是它們的狀態(tài)會影響輸入輸出之間的關(guān)系?！　? BP神經(jīng)網(wǎng)絡(luò)算法及執(zhí)行步驟 BP神經(jīng)網(wǎng)絡(luò)算法 BP 算法簡單的來說, 是把訓(xùn)練樣本從輸入層輸入, 通過每個節(jié)點對應(yīng)的閾值、函數(shù)以及節(jié)點之間連接權(quán)值的運算, 經(jīng)過輸入層、隱含層, 傳播到輸出層得到計算輸出, 該輸出和其對應(yīng)的期望輸出比較, 得出誤差。這種算法采用非線性規(guī)劃中的最快速下降方法，按誤差函數(shù)的負(fù)梯度方向修改權(quán)系數(shù)。學(xué)習(xí)結(jié)束后的權(quán)值構(gòu)成的網(wǎng)絡(luò)即可在設(shè)定的誤差范圍內(nèi)實現(xiàn)期望輸出?！　〖尤雱恿宽椇蟮臋?quán)值調(diào)整公式為： （）　　其中為動量系數(shù)。對于第k層的第i個神經(jīng)元，則有n個權(quán)系數(shù)，另外取多一個用于表示閥值；并且在輸入樣本X時，取X=（）?！　。嬎愀鲗拥妮敵?。如　　果滿足要求，則算法結(jié)束；如果未滿足要求，則返回（3）執(zhí)行。據(jù)統(tǒng)計，以齒輪為代表的變速箱故障發(fā)生率占據(jù)除發(fā)動機(jī)故障以外的其他所有故障的59%~70%，在非拆卸狀態(tài)下，傳統(tǒng)的齒輪箱故障診斷手段往往依賴于專家的經(jīng)驗判斷。 輸入和目標(biāo)向量設(shè)計神經(jīng)網(wǎng)絡(luò)輸入的確定實際上就是特征量的提取，對于特征量的提取，主要考慮它是否與故障有比較確定的因果關(guān)系，如果輸入/輸出征兆參數(shù)和故障沒有任何關(guān)系，就不能建立它們之間的聯(lián)系。所以，在頻域特征信號的提取中選取了在6檔時，在3軸的邊頻帶族處的幅值、和，其中，表示齒輪的嚙合頻率，是軸的轉(zhuǎn)頻，表示檔位，表示軸的序號，由于在2軸和3軸上有兩對齒輪嚙合，所以用2分別表示兩個嚙合頻率。 齒輪箱狀態(tài)樣本數(shù)據(jù)數(shù)據(jù)序號特征樣本齒輪狀態(tài)1 無故障2 無故障3 無故障4 齒根裂紋5 齒根裂紋6 齒根裂紋7 斷齒8 斷齒9 斷齒接下來確定網(wǎng)絡(luò)的輸出模式，由于齒輪包括3種故障模式，因此可以采用如下的形式來表示輸出：無故障：（1,0,0）；齒根裂紋：（0,1,0）；斷齒：（0,0,1）。它包含了神經(jīng)網(wǎng)絡(luò)理論中最為精華部分，由于其結(jié)構(gòu)簡單、可塑性強(qiáng)，故在逼近、模式識別、信息分類及數(shù)據(jù)壓縮等領(lǐng)域得到了廣泛的應(yīng)用。 BP網(wǎng)絡(luò)模型結(jié)構(gòu)的確定有兩條比較重要的指導(dǎo)原則：（1） 對于一般的模式識別問題，三層網(wǎng)絡(luò)可以很好地被解決。網(wǎng)絡(luò)的輸入向量范圍為[0,1]，隱含層神經(jīng)元的傳遞函數(shù)采用S型正切函數(shù)tansig，輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)logsig，這是由于輸出模式為01，正好滿足網(wǎng)絡(luò)的輸出要求。0 1。0 1。0 1。net=newff（threshold,[31,3],{39。},39。 網(wǎng)絡(luò)參數(shù)訓(xùn)練函數(shù)學(xué)習(xí)函數(shù)性能函數(shù)trainlmlearngdmmse 網(wǎng)絡(luò)訓(xùn)練與測試 網(wǎng)絡(luò)訓(xùn)練過程是一個不斷修正權(quán)值和閾值的過程，通過調(diào)整，使網(wǎng)絡(luò)的輸出誤差達(dá)到最小，滿足實際應(yīng)用的要求。=。收斂速度快的一個重要原因在于學(xué)習(xí)速率的設(shè)定值比較大。因此，可以判定，經(jīng)過訓(xùn)練后，網(wǎng)絡(luò)是完全可以滿足故障診斷的要求的。P=[ 。 。 ]39。 0 1 0。0 0 1。0 1。0 1。0 1。0 1]。logsig39。=1000。P_test=[ 。綜合分析，我可以發(fā)現(xiàn)：（1）基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法在系統(tǒng)參數(shù)未知的情況下能夠自動建立動態(tài)模型。另外，特征的形式要便于進(jìn)行數(shù)學(xué)處理，以作為網(wǎng)絡(luò)的訓(xùn)練樣本和測試樣本?；谏窠?jīng)網(wǎng)絡(luò)的故障診斷已經(jīng)逐漸走向成熟，神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用可以在很大程度上解決神經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真過程中繁瑣的數(shù)學(xué)計算問題，從而提高診斷的效率和水平，提高故障診斷的信息化程度。 There is no need to through the bination of one dimension fuzzy membership function to construct multidimensional fuzzy membership functions. The second method has an advantage by monitoring last performance to adjust the fuzzy system. Both methods will be in the second chapter.Many methods based on genetic algorithm and the method 2 in essentially the same: one dimensional membership function by using the genetic algorithm in the form of automatic adjustment. Many of these methods consider only one or two design problems mentioned earlier. In the third chapter, we introduce a method of three design issues to be considered at the same time.2 neural network method multidimensional fuzzy partition of input space directlyThe method using neural network to realize the multidimensional nonlinear membership functions, called fuzzy reasoning based on NN.The advantage of this method is that it can produce nonlinear multidimensional fuzzy membership functions. , used in traditional fuzzy system for the early part of the one dimensional membership function is independent design, and then bine the indirect achieve multidimensional fuzzy membership functions. Can say, neural network method in bined with the operation of absorption by the neural network is one of the traditional fuzzy system more general form. When the input variables are independent of the indirect design method of the traditional have a problem. For example, design a fuzzy system based on temperature and humidity as the input of the air conditioning control system. In traditional design method of fuzzy