由于核動(dòng)力裝置是一個(gè)對(duì)安全性要求極高的高度復(fù)雜的非線性系統(tǒng),同時(shí)公眾對(duì)核動(dòng)力裝置安全性的關(guān)注度越來越高,研究者期待將更先進(jìn)的技術(shù)應(yīng)用到核動(dòng)力裝置運(yùn)行服務(wù)上,因此研究先進(jìn)可靠的故障診斷技術(shù)來保障它的安全運(yùn)行是十分必要的。隨著人工智能技術(shù)的發(fā)展,智能診斷技術(shù)已經(jīng)逐漸在各行各業(yè)得到應(yīng)用。本文提出BP神經(jīng)網(wǎng)絡(luò)與D-S證據(jù)理論結(jié)合的方法和深度學(xué)習(xí)方法兩種智能數(shù)據(jù)融合方法對(duì)核動(dòng)力裝置進(jìn)行故障診斷,并對(duì)它們進(jìn)行了深入探討。BP神經(jīng)網(wǎng)絡(luò)作為一種常用的智能故障診斷方法,但存在訓(xùn)練中易陷入局部極小值和收斂速度慢等缺點(diǎn),而D-S證據(jù)理論具有處理不確定性問題的優(yōu)點(diǎn),本文通過引入DS證據(jù)理論彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)的不足,降低診斷結(jié)果的不確定性,并提高故障診斷的精確度。深度學(xué)習(xí)作為一種新的人工智能網(wǎng)絡(luò),擁有強(qiáng)大的特征學(xué)習(xí)能力,在模式識(shí)別領(lǐng)域取得了一系列的成功,因故障診斷問題作為模式識(shí)別問題中的一種,故本文引入深度學(xué)習(xí)來對(duì)復(fù)雜故障知識(shí)的診斷問題展開研究。本文首先對(duì)設(shè)備智能故障診斷的概念、核動(dòng)力裝置智能故障診斷研究現(xiàn)狀和數(shù)據(jù)融合的概念進(jìn)行了詳細(xì)介紹,接著BP神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)做了闡述,在此基礎(chǔ)上構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)與D-... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

像素級(jí)融合原理

圖 3.1 生物神經(jīng)元結(jié)構(gòu)經(jīng)網(wǎng)絡(luò)是由許多人工神經(jīng)單元按一定方式相互連接構(gòu)成的自適，是人們對(duì)生物腦神經(jīng)系統(tǒng)仿生的成果，如圖 3.2 所示，神經(jīng)元模函數(shù)3個(gè)模塊組成，其中輸入模塊主要是對(duì)所有輸入信號(hào)進(jìn)行加果，再將輸入結(jié)果送到傳遞函數(shù)部分進(jìn)行計(jì)算處理，最終將計(jì)算。人工神經(jīng)網(wǎng)絡(luò)的整個(gè)工作流程就是對(duì)生物神經(jīng)元的信息傳遞元中，信息傳遞流程為：軸突→細(xì)胞體→樹突，輸入模塊權(quán)值大元間相互作用的強(qiáng)弱。f(·)x1x2xnxiω1ω2ωiωnθμ y

Hubel、Torsten Wiesel 和 Roger Sperry 共同獲ten Wiesel 兩位科學(xué)家的主要研究成果是，發(fā)現(xiàn)的信息進(jìn)行處理[82]。如圖 4.1 所示，以視網(wǎng)膜緣特征進(jìn)行提取，到 V2 區(qū)對(duì)圖像的基本形狀進(jìn)行識(shí)別，以及到更高層的 PFC 進(jìn)行分類判斷特征的結(jié)合，對(duì)信息的表達(dá)由低到高也是越來視覺神經(jīng)系統(tǒng)的工作流程進(jìn)行了更深入的研究個(gè)對(duì)接收信號(hào)不斷迭代、不斷抽象概念化的過過程大致分為 5 個(gè)步驟：1，瞳孔攝入圖像的和方向；3，大腦判定眼前物體的形狀；4，大識(shí)別人臉；從這個(gè)過程中可以看出這和基本常一些基本結(jié)構(gòu)體結(jié)合而組成。同時(shí)從中還可以知過程也是具有深度的。受此激發(fā)，傳統(tǒng)的機(jī)

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)的研究現(xiàn)狀與發(fā)展[J]. 何曉萍,沈雅云.  現(xiàn)代情報(bào). 2017(02)
[2]我國(guó)今年上半年核電運(yùn)行情況報(bào)告發(fā)布[J].   環(huán)境. 2016(08)
[3]基于耦合關(guān)系模型的文本分類研究[J]. 孫勁光,全紋敬.  計(jì)算機(jī)科學(xué). 2016(08)
[4]“人機(jī)大戰(zhàn)”:關(guān)于人工智能的激辯[J]. 馬恩來.  中學(xué)語文. 2016(Z2)
[5]核電站故障診斷與故障程度評(píng)估方法[J]. 段智勇,劉永闊,夏虹,吳國(guó)華.  應(yīng)用科技. 2016(04)
[6]基于數(shù)據(jù)驅(qū)動(dòng)的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動(dòng)化學(xué)報(bào). 2016(09)
[7]基于支持向量機(jī)的核探測(cè)器電路故障診斷方法研究[J]. 易凌帆,顏擁軍,周劍良,王慶震.  原子能科學(xué)技術(shù). 2015(09)
[8]基于深度學(xué)習(xí)理論的機(jī)械裝備大數(shù)據(jù)健康監(jiān)測(cè)方法[J]. 雷亞國(guó),賈峰,周昕,林京.  機(jī)械工程學(xué)報(bào). 2015(21)
[9]基于神經(jīng)網(wǎng)絡(luò)的核動(dòng)力一回路專家系統(tǒng)故障診斷[J]. 袁燦,蔡琦,劉鋼,嚴(yán)祥偉,陳玉清.  原子能科學(xué)技術(shù). 2014(S1)
[10]核動(dòng)力系統(tǒng)神經(jīng)網(wǎng)絡(luò)故障診斷專家系統(tǒng)研究[J]. 梁潔,蔡琦,王曉龍.  原子能科學(xué)技術(shù). 2014(08)

博士論文
[1]基于證據(jù)理論的不確定性處理研究及其在測(cè)試中的應(yīng)用[D]. 肖明珠.電子科技大學(xué) 2008
[2]核動(dòng)力裝置故障診斷智能技術(shù)的研究[D]. 劉永闊.哈爾濱工程大學(xué) 2006
[3]船舶柴油機(jī)智能監(jiān)測(cè)與智能診斷的研究[D]. 白廣來.大連海事大學(xué) 2003

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的疾病預(yù)測(cè)模型研究[D]. 王鳳利.太原理工大學(xué) 2016
[2]基于受限玻爾茲曼機(jī)的深度學(xué)習(xí)模型及其應(yīng)用[D]. 張艷霞.電子科技大學(xué) 2016
[3]基于深度RBF網(wǎng)絡(luò)的SAR影像地物分類[D]. 韓佳敏.西安電子科技大學(xué) 2014
[4]基于信息融合技術(shù)的火災(zāi)探測(cè)方法研究[D]. 雷倩茹.華北電力大學(xué)（北京） 2010
[5]開放識(shí)別框架D-S證據(jù)理論合成規(guī)則研究[D]. 徐培玲.中北大學(xué) 2008
[6]信息融合技術(shù)在船舶主機(jī)檢驗(yàn)中的應(yīng)用[D]. 張延慶.上海海事大學(xué) 2007
[7]基于神經(jīng)網(wǎng)絡(luò)的凝汽設(shè)備故障診斷專家系統(tǒng)研究[D]. 張秀春.哈爾濱工程大學(xué) 2007
[8]基于神經(jīng)網(wǎng)絡(luò)的水輪機(jī)調(diào)速系統(tǒng)故障診斷方法研究[D]. 王鴛君.浙江工業(yè)大學(xué) 2006
[9]基于信息融合的車輛跟蹤技術(shù)研究[D]. 唐怡冬.四川大學(xué) 2005
[10]神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)集成的船用核動(dòng)力故障診斷方法研究[D]. 劉邈.哈爾濱工程大學(xué) 2005



本文編號(hào)：3091792