基于模糊神經網絡（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，它涉及現代控制理論、信號處理與模式識別、計算機科學、人工智能、電子技術、統計數學等學科。隨著人工智能的發(fā)展，基于人工智能的故障診斷技術也相應誕生，而基于人工神經網絡和基于模糊理論的診斷方法是其中的一個重要分支。由于神經網絡與模糊理論各有所長，將它們結合起來組成了模糊神經網絡(FuzzyNeuralNetwork-FNN)技術?；贔NN的故障智能診斷技術將充分體現神經網絡和模糊理論各自的優(yōu)點，是一個具有前景的研

2、究方向，并且其應用領域也越來越廣。 FNN技術重要的有兩個方面，一是其學習算法，二是其模型的建立。學習算法采用傳統的基于梯度下降的BP算法，針對其收斂速度慢和局部極小等問題，現也出現了改進的BP算法，比較有代表性的是動態(tài)自適應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，并成功將該模型應用于電子線路的故障診斷。通過實例說明改進后的BP學習算法和F

3、NN模型的可行性。試驗結果表明改進后的BP學習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學習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應用于電子線路的診斷理論上來說是一種人工智能技術，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的性能將會達到新的