基于模糊神經(jīng)網(wǎng)絡(luò)（FNN）的故障智能診斷的研究.pdf

1、故障診斷是一門綜合性技術(shù)，它涉及現(xiàn)代控制理論、信號處理與模式識別、計算機科學(xué)、人工智能、電子技術(shù)、統(tǒng)計數(shù)學(xué)等學(xué)科。隨著人工智能的發(fā)展，基于人工智能的故障診斷技術(shù)也相應(yīng)誕生，而基于人工神經(jīng)網(wǎng)絡(luò)和基于模糊理論的診斷方法是其中的一個重要分支。由于神經(jīng)網(wǎng)絡(luò)與模糊理論各有所長，將它們結(jié)合起來組成了模糊神經(jīng)網(wǎng)絡(luò)(FuzzyNeuralNetwork-FNN)技術(shù)。基于FNN的故障智能診斷技術(shù)將充分體現(xiàn)神經(jīng)網(wǎng)絡(luò)和模糊理論各自的優(yōu)點，是一個具有前景的研

2、究方向，并且其應(yīng)用領(lǐng)域也越來越廣。 FNN技術(shù)重要的有兩個方面，一是其學(xué)習(xí)算法，二是其模型的建立。學(xué)習(xí)算法采用傳統(tǒng)的基于梯度下降的BP算法，針對其收斂速度慢和局部極小等問題，現(xiàn)也出現(xiàn)了改進的BP算法，比較有代表性的是動態(tài)自適應(yīng)BP算法及添加慣性沖量BP算法。本文基于這些算法進行研究并作了改進，通過仿真來說明改進后的算法的優(yōu)越性。本文提出了一個FNN模型，并成功將該模型應(yīng)用于電子線路的故障診斷。通過實例說明改進后的BP學(xué)習(xí)算法和F

3、NN模型的可行性。試驗結(jié)果表明改進后的BP學(xué)習(xí)算法完全可以達到要求并且診斷正確率也有提高。 本文的重點是改進BP學(xué)習(xí)算法研究和電子線路故障診斷的FNN模型的建立與驗證。電子線路特別是模擬電路的故障診斷存在一定困難，將FNN應(yīng)用于電子線路的診斷理論上來說是一種人工智能技術(shù)，它既有常規(guī)診斷裝置直接測量被測對象信息和運行速度快的優(yōu)點，又具有多種信息來源，且具有較高程度的推理能力和自我完善能力。這種智能型的故障診斷系統(tǒng)的性能將會達到新的