神经元,神经元之间通过权系数Р 相连接。这种大规模并行结构具有很高的计算速度。人工神经网络的信息分布Р 式存储于连结权系数中,使网络具有很高的容错性和鲁棒性,而模式识别输入Р 样本中往往存在噪声干扰。另外,人工神经网络的自组织、自适应学习功能,Р 大大放松了传统识别方法所需的约束条件,使其对某些识别问题显示了极大的Р 优越性。所有的这些特性,使人们更为广泛探讨人工神经网络用于模式识别的Р 潜力。Р 在模式识别中,常将样本的特征参数表示为多维空间的点,可用矢量表示之Р ,Р 其中为第个变量的值,。为空维数亦即变量数。在维空间中,两个Р 样本的相似程度应正比飞两个样本点在维空问的接近程度。山于。个变的Р 量纲和变化幅度不同,其绝对值人小有可能相差很多。Р 我们所研究的回转支承智能故障诊断系统中回转支承运行状态整体评价以Р 及典型故障情况诊断实质上是模式识别的问题,根据模式识别方法的实现手段、Р 运用领域的不同,我们选用神经网络模式识别方法来进行模式识别,目在识Р 别过程中结合相似度以及最大似度原理进行模式匹配。Р 在回转支承诊断模式识别中,我们所用的样本就是回转支承转一圈所测Р 的振动信号数据集,将回转支承数据按句统计出的有效值和峭度值经过适当Р 的预处理作为代表样本的特征参数。他们分别对振动能量和信号突变程度比较Р 敏感,通过特征参数的提取,可以知道回转支承的磨损程度以及发生点蚀、裂Р 纹的大小和有无。我们所建立的基于神经网络理论的模式识别方法主要通过神Р 经网络学习、映射功能将样本特征参数加成与预先定义故障模式相近的输出Р 量,再用相似度以及最大相似度原理进行模式匹配。用神经网络训练、学习的Р 目的除了学习专家诊断经验外就是将原始数据加工处理成同一平面的代表点,Р 可以消除量纲和变化幅度不同带来的影响。从后面的研究中可以看出这种模式Р 识别方法有很好的识别能力。Р 第臾共斑
全文预览
