| 模拟电路故障及人工智能诊断方法浅谈 |
|
|
|
专家的知识可能不一样，甚至互相矛盾，在这种情况下，知识工程师往往显得束手无策，而且对于某些专家的经验知识则难以加入知识库中，因而不但费时，而且效率低。(2)人工神经网络故障诊断方法侧重于信息的自组织、自学习能力。它就是采用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。它是一个广泛连接的巨型系统，能分布式存储信息，具有并行处理功能和自学习、自组织和自适应功能。神经网络技术特别适合处理那些故障诊断中无法用显性公式表示的、具有复杂非线性关系的情况，能够出色解决那些传统模式识别方法难以圆满解决的由于非线性、反馈回路和容差等引起的问题；它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，利用全局并行处理实现从输入空间到输出空间的非线性信息变换，有效解决了复杂系统故障诊断中存在的故障知识获取的“瓶颈”、知识推理的“组合爆炸”等问题。它以其诸多优点，如并行分布处理、自适应、联想记忆等，在智能 故障诊断中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能故障诊断的研究开辟了一条新途径。(3)小波变换故障诊断方法：小波分析在时域和频域同时具有良好的局部化性质，可以对高频成分采用逐渐精细的时域或空间域取代步长，从而可以聚集到对象的任意细节。整理：WWW.YbAsk.COM 。
小波分析不需要系统的数学模型，故障检测灵敏准确，运算量也不大，对噪声的抑制能力强，对输入信号要求低，但在大尺度下由于滤波器的时域宽度较大，检测时会产生时间延迟，且不同小波基的选取对诊断结果也有影响。小波分析与神经网络的结合，是一个十分活跃的研究领域．目前，小波分析与神经网络的结合有以下两个途径：一个途径是辅助式结合，比较典型的是利用小波分析对信号进行预处理，然后用神经网络学习与判别；另一个途径是嵌套式结合，即把小波变换的运算融入到神经网络中去，形成所谓的神经网络一小波分析或小波网络。可以看到，小波神经网络由于把神经网络的 自学习特性和小波的局部特性结合起来，具有自适应分辨性和良好的容错性， 因此又为故障诊断开辟了一条新路，既拓宽了神经网络理论、 模糊理论、小波分析方法的应用领域，同时，又为解决故障诊断的实用化找到了突破口，推动了模拟电路故障诊断理论和方法的进一步发展。
3、模拟电路故障诊断技术的发展趋势
目前，模糊理论、神经网上一页 [1] [2] [3] 下一页 |
|
|
| |
|
上一个论文： 人工智能技术在电力自动化的应用探讨
下一个论文： 谈电气自动化控制中的人工智能技术 |
|
用户登录 
新用户注册 