基于DS证据理论优化神经网络混合智能算法研究课件.ppt

基于DS证据理论的优化神经网络混合智能算法研究,2023/3/8,兰州理工大学机电工程学院,1,报告内容,2023/3/8,兰州理工大学机电工程学院,2,2023/3/8,兰州理工大学机电工程学院,3,故障诊断一般过程,1.背景及意义,2023/3/8,兰州理工大学机电工程学院,4,2023/3/8,兰州理工大学机电工程学院,5,神经网络有诸多优点：,2023/3/8,兰州理工大学机电工程学院,6,机械,化工,经济,气象,仍有无法避免的缺陷,通信,2023/3/8,兰州理工大学机电工程学院,7,训练样本选择,反映于故障诊断,节点数与初始权重选择,故障分类规则解释,神经网络数学基础问题,2.研究现状,2023/3/8,兰州理工大学机电工程学院,8,2023/3/8,兰州理工大学机电工程学院,9,pca为最多用方法当样本点具有一些非线性性质时，采用PCA得到 的降维结果无法反映出样本点之间所隐藏的非线性性质。PCA能找到很好的代表所有样本点的方向，但这个方向对于分类未必是最有利的对PCA所要保持的主分量的个数的估计比较困难，难以估计应该舍弃哪些分量。,样本选择方面,算法优化方面,进化算法可以帮助选择最小值，PSO仅基于微粒速度更新，算法运行速度快但精度难以保证；GA较为复杂，有选择，交叉，变异等方法，可以帮助更快获得最优解但忽略不可行解可能带来的有用信息，精度不高。,分类规则方面,在转子系统故障诊断方面应用较少。,2023/3/8,兰州理工大学机电工程学院,10,3.研究内容及目标,用DS证据理论做特征层融合目标识别，将故障特征参量空间作为DS证据理论的证据空间，不同分类结果作为证据条件进行融合，提取有效分类信息；,2023/3/8,兰州理工大学机电工程学院,11,IWO算法早期可保证对解空间全面搜索，后期加强对优秀个体周围的局部搜索，提供更高求解精度。利用IWO入侵杂草优化算法，更高效稳健的获取BPNN初始权重最优解和结构最优解。,2023/3/8,兰州理工大学机电工程学院,12,决策树是一个有向无环图，其结构显然与BP神经网络前馈结构相合，引入决策树作为工具抽取BP神经网络分类规则用决策树算法模拟神经网络，解释神经网络分类规则，提高可信度。,4.拟解决的关键性问题,2023/3/8,兰州理工大学机电工程学院,13,4.2技术路线,2023/3/8,兰州理工大学机电工程学院,14,多种转速下测试故障数据,构造BP神经网络进行分类,故障数据特征提取与降噪,构造证据集进行信息融合,设计进化神经网络并解释,新诊断系统测试,5.课题创新性,2023/3/8,兰州理工大学机电工程学院,15,利用DS证据理论进行有效参量选取,杂草算法优化BPNN,神经网络与决策树结合提高可信度,6.前期工作积累,阅读大量文献；阅读有关书籍；学习matlab，c#编程；已编译或调试部分程序。,2023/3/8,兰州理工大学机电工程学院,16,感谢观映,各位老师辛苦了，请各位老师批评指教！,2023/3/8,兰州理工大学机电工程学院,17,