基于数据驱动的故障检测与诊断.ppt

基于数据驱动的故障检测与诊断方法理论,方法理论,基于PCA的方法,样本标准化求解标准化样本协方差阵的特征值与特征向量确定主元个数确定负荷矩阵,方法理论,基于PCA的方法,方法理论,基于PCA的方法,方法理论,基于PCA的方法,方法理论,基于PCA的方法,方法理论,基于BP神经网络的方法,方法理论,基于BP神经网络的方法,方法理论,基于BP神经网络的方法,方法理论,基于BP神经网络的方法,BP算法对输入输出样本进行训练的过程可以分为两个阶段。第一个阶段：BP神经网络对从输入层接受的数据进行前向传播，这个过程不进行权值的调整，只是为了得到当前权值下的一组网络输出。第二个阶段：通过对上一次前向传播的输出结果进行误差计算，并求得本次网络权值的修正量，反向传播修正权值。这两个过程反复交替地运行，直到误差达到期望要求或收敛为止。可以看到，BP神经网络的前向传播用于对网络输出的计算；而反向传播则用于对输出误差的传递，进而不断修正网络权值，以使网络的输出误差达到期望要求。,方法理论,基于BP神经网络的方法,方法理论,基于SVM的方法,支持向量机（SVM）是Vapnik团队于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。在机器学习中，支持向量机（SVM）学习算法训练出的是一种有监督学习模型，可以用来分析数据，识别模式，广泛用于各种分类和回归分析当中。SVM是建立在统计学习理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中，以求获得最好的推广能力。,方法理论,基于SVM的方法,方法理论,基于SVM的方法,方法理论,基于SVM的方法,方法理论,基于SVM的方法,