新型集成神经网络在故障诊断中的应用

本科毕业设计（论文）题目：新型集成神经网络在故障诊断中的应用学院自动化科学与工程学院专业自动化学生姓名沈麟学生学号201130612280指导教师罗家祥提交日期2015年月日摘要为了给工业生产中大型复杂关键设备的状态检测与故障诊断提供更为可靠的方法，近几十年来，国内外学者一直致力于将先进且自动化程度高的人工智能技术运用于其中。在研究大量相关文献的基础上，本文主要提出了一种新型的集成神经网络，并最终将其应用对钢板表明损伤的诊断当中。首先，本文从故障诊断问题出发，介绍了其定义、流程以及常用方法。然后，文章系统的给出了与人工神经网络相关的理论知识。其中包括神经网络的基本概念，BP网络算法原理，神经网络的泛化能力问题，主元分析法对网络结构的优化，粒子群算法对网络初始权值的优化，Bagging集成网络，Adaboost集成网络等。紧接着，文章详细的介绍了新型集成神经网络的设计思想与实现方法，这是本文的重点。最后，为验证这种网络的性能，本文进行了大量实验，以将其与各种传统的单个或集成的神经网络进行对比。实验结果表明，对于单个网络而言，结构优化的方法能使网络性能有所改善，而权值优化却对网络并无改善作用；对集成网络而言，从总体上看，它们的泛化能力要优于单个网络，同时，本文所提的新型集成网络表现又要优于其它传统的集成网络。关键词：集成神经网络；故障诊断；泛化能力AbstractScientistshavebeeninventingadvancedandautomaticartificialintelligenttechniquesthatcouldbeimplementedformorereliablemethodsinconditiondetectionandfaultdiagnosisinlarge-scale,crucial,andcomplexmechanicalsystemsintheareaofindustryforthepastdecades.Aftermanyresearchesandstudiesonthesubject,thispaperproposedanewtypeofensembleartificialneuralnetworkthatcouldbeappliedtothediagnosisofflawedappearancesofthesteel.Firstofall,thispaperstartsoffwithproblemsoffaultdiagnosisandthenintroducesitsdefinition,proceduresandmethods.Secondly,thisarticlementionstherelevanttheoriesofartificialneuralnetworkspreciselywhichincludesitsbasicconcepts,thealgorithmprincipleofBPnetwork,generalizationabilityofmachinelearning,improvednetworkstructurewithPCA,optimizedinitialweightswithPSO,ensemblenetworkofBaggingandAdaboost.Afterthat,thearticledescribesthedesignandimplementationofanewtypeofensembleneuralnetworkindetails,whichisthemainportionofthepaper.Lastly,inordertotesttheproposednetwork,manyexperimentshavebeendonetocompareitwiththosetraditionalsingleorensembleneuralnetworks.Theresultdemonstratesthatoptimizednetworkstructureismoresuccessfulforsinglenetworksthanoptimizedinitialweights.Forensemblenetworks,theirgeneralizationabilitiesarebetterthansinglenetworks,furthermore,theperformanceofthenewtypeofensemblenetworkismoreeffectivethanotherclassicalnetworks.Keyword:Ensembleartificialneuralnetwork,Faultdiagnosis,Generalizationability目录摘要.............................................................IAbstract..........................................................II第一章绪论.......................................................11.1背景..........................................................11.2故障诊断的发展历史与研究现状..................................11.3神经网络的发展历史和研究现状..................................21.4神经网络在故障诊断中的应用....................................31.5本文工作......................................................3第二章故障诊断问题................................................42.1故障诊断的定义................................................42.2故障诊断的流程................................................42.3故障诊断的基本方法............................................5第三章人工神经网络................................................63.1人工神经网络基本知识..........................................63.2BP神经网络...................................................73.3神经网络的泛化能力............................................83.4提升网络泛化能力的方法.......................................103.4.1及早停止法...............................................103.4.2主元分析法...............................................113.4.3粒子群优化算法...........................................123.5集成神经网络.................................................143.5.1集成神经网络基本知识.....................................143.5.2Bagging集成策略.........................................143.5.3Adaboost集成策略........................................15第四章一种新型的集成神经网络.....................................164.1新型集成神经网络的设计思想...................................164.2新型集成神经网络的具体实现...................................18第五章实验结果及分析.............................................195.1数据来源和实验环境...........................................195.2单个BP神经网络实验结果及性能分析............................205.2.1未经优化的单个BP网络....................................205.2.2经PCA维数简约的BP网络..................................215.2.3经PCA维数简约和PSO优化的BP网络........................225.2.4单个BP网络实验小结.....................................235.3集成神经网络实验结果及性能分析...............................235.3.1基于Bagging策略的集成神经网络..........................245.3.2基于Adaboost策略的集成神经网络..........................265.3.3本文提出的新型集成神经网络...............................275.4实验总结.....................................................28第六章结论.......................................................29参考文献..........................................................30致谢..............................................................331第一章绪论1.1背景人类科技与工业化的快速发展，推动着机械设备与生产系统日益向大型化、精密化、信息化和自动化的方向进发。其中，对大型复杂关键设备的状态监测和故障诊断关系到系统运行、生产效率、产品质量、环境保护以及维修管理等一系列重要问题，因而备受世界各国关注[1]。然而，由于设备本身结构和机理的复杂性、参数和结构的不确定性、动态时变特性以及严重的强耦合性，使得这些设备的故障诊断变得非常复杂[2]。传统的诊断方法在面对这些极具复杂性、不确定性、相关性和层次性的故障时就显得越来越无能为力了。因此，研究更加先进而且自动化程度更高的故障诊断方法已经成为当今科学与工程界的热点之一。1.2故障诊断的发展历史与研究现状故障诊断技术源远流长，可以说，从机器诞生之日起，故障诊断技术便随之出现了[3]。在最原始的阶段，技术人员用人工的方法，通过观察检测中某些重要部位的参数如电压、电流，然后凭借自身经验得出机械故障的诊断结果[3]。到了20世纪60年代，由于计算机的出现，故障诊断开始朝着自动化的方向发展，此时涌现了大量自动诊断技术，如时域分析、频域分析、信号分析、状态空间分析等。然而，随着工业化的快速发展，机器设备变得越来越大型、复杂，设备之间的联系也越来越紧密，此时传统的诊断方法就再难以满足工业发展的需求。为解决这个问题，人们开始了对智能故障诊断技术的探索。过去大量的研究表明，要实现先进且