【文章內容簡介】 （1）可用于系統(tǒng)模型未知或系統(tǒng)模型較為復雜，以及非線性系統(tǒng)的故障模式識別。 （2）兼有故障信號的模式變換和特征提取功能。 （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。 （4）可用于復雜多模式的故障診斷。 （5）可用于離線診斷，也能適應實時監(jiān)測的要求。 。預處理預處理特征選擇/提取特征選擇/提取診斷神經網絡學習訓練數據處理診斷原始數據訓練樣本數據診斷結果 基于神經網絡模式識別功能的診斷系統(tǒng)結構，基于神經網絡的診斷過程分為兩步。首先，基于一定數量的訓練樣本集（通常稱為“征兆—故障”數據集）對神經網絡進行訓練，得到期望的診斷網絡；其次，根據當前診斷輸入對系統(tǒng)進行診斷，診斷的過程即為利用神經網絡進行前向計算的過程。在學習和診斷之前，通常需要對診斷原始數據和訓練樣本數據進行適當的處理，包括預處理和特征選取/提取等。目的是為診斷網絡提供合適的診斷輸入和訓練樣本。此外，盡管神經網絡和傳統(tǒng)的故障診斷是兩種不同的診斷方式，但兩者是緊密聯系在一起的。如采用小波分析等數據處理方法，可以為神經網絡診斷提供可以利用的特征向量。前向BP網絡和RBF網絡的學習算法屬于有教師型的。這種算法模型具有很好的推廣能力，用于故障模式識別的效果比較好。訓練好的BP網絡和RBF網絡計算速度快、內存消耗低，可用于實時監(jiān)測和診斷。但是這兩種模型要求學習樣本具有一定的致密性、遍歷性和相容性，在實際工程中，有時候獲得這樣的樣本比較困難。利用BP網絡進行故障診斷的一般步驟和注意事項如下： （1）確定合理的網絡結構和規(guī)模，有氣是網絡中間層神經元個數的選擇是網絡結構確定和網絡性能的關鍵。 （2）確定訓練樣本集和測試集。訓練樣本集用于對網絡進行訓練，而測試集用于檢測網絡訓練的效果和推廣能力。一般來說，訓練樣本集不僅應全面涵蓋所有故障模式類的數據，還應具有一定的代表性，同時還必須保證學習的有效性。測試樣本集的選擇應該滿足“交叉檢驗（cross validation）”的原則?！　。?）根據訓練樣本集對網絡進行訓練，經過測試的訓練結果即為神經網絡故障診斷知識庫?！　。?）根據診斷輸入，利用BP網絡進行診斷。　　ART網絡和SOM網絡均屬于無教師的競爭學習的自組織網絡。ART網絡可以在線學習，邊學習邊記憶。給網絡提供一組樣本，它自動形成一組分類模式。如果一個新的輸入不能歸于任何一個已經形成的模式類中，網絡又自動生成一個新的模式類，同時如果新的輸入在已經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，且網絡更接近這個輸入的方向進行調整。SOM網絡采用離線的方式進行學習，它能夠很好地進行特征提取，適用于用做最鄰近分類器。目前，這兩類網絡在故障診斷中應用還比較少。雖然這類模型的推廣性能沒有BP網絡和RBF網絡的好，但它們具有的自組織和自適應特性為在復雜系統(tǒng)故障診斷中的應用奠定了堅實的基礎。 MATLAB基礎知識　Matlab簡介MATLAB是由美國Math works公司發(fā)布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環(huán)境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，并很大程度上擺脫了傳統(tǒng)非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。MATLAB和Mathematica、Maple并稱為三大數學軟件。它在數學類科技應用軟件中在數值計算方面首屈一指。MATLAB可以進行矩陣運算、繪制函數和數據、實現算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應用于工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域。MATLAB的基本數據單位是矩陣，它的指令表達式與數學、工程中常用的形式十分相似，故用MATLAB來解決問題要比用C，FORTRAN等語言完成相同的事情簡捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點，使MATLAB成為一個強大的數學軟件。在新的版本中也加入了對C，FORTRAN，C++，JAVA的支持?？梢灾苯诱{用，用戶也可以將自己編寫的實用程序導入到MATLAB函數庫中方便自己以后調用。此外，許多的MATLAB愛好者都編寫了一些經典的程序，用戶可以直接進行下載就可以用。在本次課題的最后用MATLAB建立的隨機地貌的仿真程序，為后期建立二維軌跡與實際地貌的相匹配做準備工作。 MATLAB產生的歷史背景 MATLAB名字的產生應該追溯到兩個英文單詞：Matrix和Laboratory，它由這兩個單詞前3個字母組合而成。20世紀70年代后期，為Linpack和Eispack兩個矩陣運算的軟件包編寫了接口程序，從而為學生編寫Fortran程序減輕負擔，此即MATLAB的萌芽。經過幾年的校際流傳，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。從這時起，MATLAB的內核采用C語言編寫，而且除原有的數值計算能力以外，還增了數據圖形可視化功能。MATLAB以商品形式出現后，僅短短幾年，就以其良好的開放性和運行的可靠性，是原先控制領域里的封閉式軟件包（如英國的UMIST、瑞典的LUND和SIMNON、德國的KEDDC）紛紛淘汰，而改以MATLAB為平臺加以重建。當時間邁入20世紀90年代時，MATLAB已經成為國際公認的標準計算軟件。 MATLAB的語言特點經過20多年應用實踐，人們已經認識到：MATLAB作為一種計算工具和科技資源，可以擴大科學研究的范圍、提高工程生產的效率、縮短開發(fā)周期、加快探索步伐、激發(fā)創(chuàng)作靈感。MATLAB語言有許多特點：（1） 語言簡潔，代碼靈活，極其豐富的庫函數資源。（2） 豐富靈活的運算符。（3） 面向對象編程和結構化的控制功能。（4） 程序設計自由度較大。（5） 程序可移植性好，基本上不做修改就可以在各種型號的計算機和操作系統(tǒng)上運行。（6） 功能強大的圖形功能。（7） 分門別類的工具箱是該軟件的另一大特點。（8） 開放性的共享源代碼。3 網絡故障診斷及BP算法 幾種常見的網絡故障診斷方法 所謂故障診斷，就是識別機器、設備的技術狀態(tài)是否正常，包括確定故障的性質、發(fā)現故障的部位、尋找故障的起因以及提出排除故障的相應措施。目前常用的故障診斷方法有： （1）基于解析模型的方法。如故障樹的方法、參數估計方法、狀態(tài)估計方法和等價空間方法等； （2）基于信號處理的方法。如相關分析、頻譜分析、小波分析等； （3）基于知識的智能診斷方法。如基于事例的推理、人工神經網絡、支持向量機算法以及信息融合故障診斷方法等?！　」收显\斷方法一般分為三個步驟：第一步是檢測系統(tǒng)狀態(tài)的特征信號；第二步是從所檢測到的特征信號中提取征兆；第三步是根據征兆和其他診斷信息來識別檢測設備的狀態(tài)，從而完成故障診斷?！　∽鳛楣收显\斷的一個分支，網絡故障診斷所使用的方法也可以分為上述的三種方法。隨著計算機網絡的飛速發(fā)展，網絡規(guī)模的日益擴大，簡單的網絡故障診斷方法已不能勝任現代復雜網絡的故障診斷任務，基于知識的智能診斷方法成為了網絡故障診斷的主流方法。而在現有的網絡故障智能診斷系統(tǒng)中，基于人工神經網絡的方法具有很好的容錯性，不需要從經驗知識中歸納出FITHEN形式的經驗規(guī)則，從而有利于克服基于符號推理方法的知識獲取瓶頸；且不像基于符號推理的方法對于規(guī)則或模型中存在的錯誤很敏感；另外該方法支持并行計算，隨著并行技術和硬件的發(fā)展，必將得到更為廣泛的應用。 幾種典型的神經網絡模型 人工神經網絡自誕生以來，主要產生了下面四個典型的神經網絡模型： （1）前向多層神經網絡模型（BP模型） 這種模型是目前應用最多也是最有效的神經網絡模型，本文將在后續(xù)部分詳細介紹分析這個模型。 （2）Hopfield模型 1982年，這個網絡稱為Hopfield網絡模型，也稱Hopfield模型。Hopfield神經網絡模型是一種循環(huán)神經網絡，從輸出到輸入有反饋連接。Hopfield網絡有離散型和連續(xù)型兩種。 反饋神經網絡由于其輸出端有反饋到其輸入端；所以，Hopfield網絡在輸入的激勵下，會產生不斷的狀態(tài)變化。當有輸入之后，可以求取出Hopfield的輸出，這個輸出反饋到輸入從而產生新的輸出，這個反饋過程一直進行下去。如果Hopfield網絡是一個能收斂的穩(wěn)定網絡，則這個反饋與迭代的計算過程所產生的變化越來越小，一旦到達了穩(wěn)定平衡狀態(tài)；那么Hopfield網絡就會輸出一個穩(wěn)定的恒值。對于一個Hopfield網絡來說，關鍵是在于確定它在穩(wěn)定條件下的權系數。 （3）自適應共振理論ART模型 自適應共振理論ART（Adaptive Resonance Theory）。 ART是一種自組織神經網絡結構，是無教師的學習網絡。當在神經網絡和環(huán)境有交互作用時，對環(huán)境信息的編碼會自發(fā)地在神經網中產生，則認為神經網絡在進行自組織活動。ART就是這樣一種能自組織地產生對環(huán)境認識編碼的神經網絡理論模型。 ATR模型是基于下列問題的求解而提出的： ，要求它有適應性及穩(wěn)定性，適應性可以響應重要事件，穩(wěn)定性可以存儲重要事件。 ，原有的信息和新信息如何處理，保留有用知識，接納新知識的關系如何及解決的問題。 。 （4）Kohonen模型 對大腦的研究說明，大腦是由大量協(xié)同作用的神經元群體組成的。大腦的神經網絡是一個十分復雜的反饋系統(tǒng)；在這個系統(tǒng)含有各種反饋作用，有整體反饋，局部反饋；另外，還有化學交互作用。在大腦處理信息的過程中，聚類是其極其重要的功能。大腦通過聚類過程從而識別外界信號，并產生自組織過程。 依據大腦對信號處理的特點，在1981年，也就是自組織特征映射模型SOM（Seh—Organizing fenture Map）。 Kohonen認為人的大腦有如下特點： ，但是它們的排序不同。排序不是指神經元位置的移動，而是指神經元的有關參數在神經網絡受外部輸入刺激而識別事物的過程中產生變動。 ；具有這種特定參數組織的神經網絡對外界的特定事物特別敏感。 ，大腦皮層分成多種不同的局部區(qū)域，各個區(qū)域分別管理某種專門的功能，比如聽覺、視覺、思維等。 ，但會在外界信息的刺激下，不斷接受傳感信號，不斷執(zhí)行聚類過程，形成經驗信息，對大腦皮層的功能產生自組織作用，形成新功能。 Kohonen的思想在本質上是希望解決有關外界信息在人腦中自組織地形成概念的問題。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部自組織地形成對應表示形式。這包括神經網絡的權系數調整?！　∩窠浘W絡的自調整過程和大腦的自組織過程是相仿的。由于神經網絡是由可以自調整的神經元組成；所以，可以自組織成對外界信息中某一種特征敏感的形式?！　? BP神經網絡模型在故障診斷領域應用最廣泛的人工神經網絡模型是前向多層神經網絡模型（BP模型）。isω（1，1） BP網絡中的神經元模型 a BP網絡中的神經元模型 ，它具有R個輸入，每個輸入都通過一個適當的權值與神經元相連接，神經元的輸出可以表示成： （）　　BP網絡中基本神經元的激活函數必須處處可微，所以經常使用S型的對數或正切激活函數，或者是線性函數。 BP網絡結構　　BP網絡通常有一個輸入層，一個輸出層和位于輸入層和輸出層之間的隱含層，隱含層可以有一層或者多層。在隱層中的神經元也稱隱單元。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系。這也就是說，改變隱含層的權系數，可以改變整個多層神經網絡的性能。............輸入層隱含層輸出層　　　　　　　　　　　　　　　　 　　 前向多層BP神經網絡結構　　 理論上已經證明，在BP神經網絡隱含層節(jié)點數量可以根據實際需要進行自由設置的前提下，三層前向神經網絡可以實現以任意精度逼近任意連續(xù)函數的功能，因此本文中將采用標準的三層網絡拓撲結構形式組成輸入層、隱含層與輸出層三部分。其中，每個輸入節(jié)點對應一種故障征兆輸入，相鄰層采用互聯方式連接，同層各神經元之間沒有任何連接，輸出層與輸入層之間也沒有直接的聯系?！　? BP神經網絡算法及執(zhí)行步驟 BP神經網絡算法 BP 算法簡單的來說, 是把訓練樣本從輸入層輸入, 通過每個節(jié)點對應的閾值、函數以及節(jié)點之間連接權值的運算, 經過輸入層、隱含層, 傳播到輸出層得到計算輸出, 該輸出和其對應的期望輸出比較, 得出誤差。如果誤差不符合要求, 將誤差沿輸入相反的方向進行傳播并沿誤差降低方向調節(jié)權值和函數的閾值。用多個訓練樣本對網絡進行反復的訓練, 直至誤差符合要求。 BP算法實質是求取誤差函數的最小值問題。這種算法采用非線性規(guī)劃中的最快速下降方法，按誤差函數的負梯度方向修改權系數?！　P神經網絡的第k層中第j個神經元具有如下輸入輸出關系：　　 （）（k=1，2，...，M；j=1，2，...，）　　式（）中，為第kl層的第i個節(jié)點到該節(jié)點的連接權值；為該神經元的閾值；為第k1層第i個節(jié)點的輸出；為節(jié)點作用函數；為第k層節(jié)點數；M為總層數?！　∑渲腥镾igmoid函數，即