《基于DS证据理论优化神经网络混合智能算法研究课件》由会员分享，可在线阅读，更多相关《基于DS证据理论优化神经网络混合智能算法研究课件（17页珍藏版）》请在金锄头文库上搜索。
1、LOGO基于DS证据理论的优化神经网络混合智能算法研究2024/8/2兰州理工大学机电工程学院1LOGO报告内容2024/8/2兰州理工大学机电工程学院2背景及意义研究现状1研究目标及内容2课题创新性3关键问题与技术路线4前期积累介绍56LOGO2024/8/2兰州理工大学机电工程学院3故障故障诊断断一般一般过程程1.背景及意义故障诊断的实质LOGO2024/8/2兰州理工大学机电工程学院4监测对象原始信号频域数据有效特征故障结论决策指导降噪频谱分析数据筛选信号采集 模式识别 信息融合 反馈控制离散化LOGO2024/8/2兰州理工大学机电工程学院5神经网络是模式识别的重要手段。LOGO202
2、4/8/2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LOGO2024/8/2兰州理工大学机电工程学院7训练样本本选择反映于故障诊断节点点数与数与初始初始权重重选择故障分故障分类规则解解释神经网络数学基础问题2.研究现状LOGO样本选择因子分析法主元分析法（PCA）偏最小二乘法（PLS）结构优化遗传算法（GA）粒子群算法（PSO）杂草算法（IWO）分类规则基于结构的分类规则提取基于功能的分类规则提取2024/8/2兰州理工大学机电工程学院8LOGO2024/8/2兰州理工大学机电工程学院9pca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
3、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。样样本本选择选择方面方面算法算法优优化方面化方面l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。分分类规则类规则方面方面在转子系统故障诊断方面应用较少。LOGO2024/8/2兰州理工大学机电工程学院103.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D
4、S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；1.样本选择2.结结构构优优化化3.分分类规类规则则LOGO2024/8/2兰州理工大学机电工程学院11IWO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。2.结构优化1.样样本本选择选择3.分分类规类规则则LOGO2024/8/2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
5、则，提高可信度。3.分类规则1.样样本本选择选择2.结结构构优优化化LOGO4.拟解决的关键性问题2024/8/2兰州理工大学机电工程学院13设计选取方法，构造DS证据理论的基本概率分配函数是本课题研究重点。(1)有效特征选取选取最佳初始权重和节点数，提高算法的速度是关键问题。(2)进化神经网络设计建立神经网络与决策树之间的映射是本课题研究关键问题之一。(3)神经网络分类规则分析LOGO4.2技术路线2024/8/2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LOGO5.课题创新性2024/8/2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LOGO6.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。2024/8/2兰州理工大学机电工程学院16LOGO感谢观映各位老师辛苦了，请各位老师批评指教！2024/8/2兰州理工大学机电工程学院17
