[键入文字]基于ANN模型的设备故障检测模型研究孙三兵（南京林业大学轻工技术与工程学院，南京210037）摘要：模式识别(PatternRecognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。关键词：模式识别；人工神经网络；故障检测；BP算法ANNModelBasedFaultDetectionModelSummarySunsanbing(CollegeofLightIndustryTechnologyandEngineering,NanjingForestryUniversity,Nanjing210037)Abstract:PatternRecognition(PatternRecognition)onthecharacterizationofthingsorphenomenainallitsforms(numeric,textandlogicalrelations)informationprocessingandanalysis,todescribethingsorphenomena,identify,classify,andinterprettheprocessisanimportantpartofinformationscienceandartificialintelligence.Keywords:patternrecognition,artificialneuralnetwork,faultdetection,BPalgorithm1前言随着信号处理理论和计算机技术的发展，人们试图用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息处理的全过程，因为很多情况下图像所承载的信息比任何其他形式的信息都更真切、更丰富，获取也更便捷，这样就形成了计算机视觉。计算机视觉的研究目标是使计算机具有通过一幅或多幅图认知周围环境信息的能力。这使得计算机不仅能模拟人眼的功能，而且更重要的是使计算机完成人眼所不能胜任的工作。机器视觉则是建立在计算机视觉理论基础上，偏重于计算机视觉技术工程化。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，机器视觉重点在于感知环境中物体的形状、位置、姿态、运动等几何信息。2模式识别在故障检测中的应用工业自动化生产线应用。产品检测，工业探伤，自动流水线生产个装配，自动焊接，PCB印制板检查，以及各种危险场合工作的机器人等。将图像和视觉技术用于生产自动化，可以加快生产速度，保证质量的一致性，还可以避免人的疲劳、注意力不集中带来的误判。2.1模式识别模式识别研究的是分类问题，其输入应当是被分类对象的特征属性，输出是被分类对象的所属类别。模式识别有两种基本的识别方法：即统计模式识别方法（statisticalpatternrecognition）和结构（句法）模式识别方法(syntacticpatternrecognition)。统计模式识别是基于概率和统计理论发展起来的，句法方法则是建立在形式语言理论的基础之上的。2.2模式识别的算法模式识别的算法种类繁多，如：聚类分析、判别分析、最近邻法等。这里只介绍最近邻法，最近邻方法(k-nearestneighbor,简称KNN)是一种简洁而有效的非参数分类方法，是一种传统的基于统计的模式识别方法。它的工作原理是首先找到被分类对象在训练数据集中的k个最近的邻居，然后根据这些邻居的分类属性进行投票，将得出的预测值赋给被分类对象的分类属性。2.3本次研究的选用方法设备的故障检测可以有好多种方法，本次的设备故障检测采用的基于人工神经网络的基础之上来进来检测。3ANN模型的设备故障检测近年来，设备故障诊断专家系统已从实验室研究发展到实际应用阶段，多种在线或离线的设备故障诊断专家系统在相应领域中已获得了初步应用，人工神经网络的复合检测，特征提取以及识别对数据进行自动校正以及自动诊断。3.1特征提取与特征选择特征提取与特征选择是模式识别中的核心问题。特征提取与特征选择的基本任务是研究如何从众多特征中求出那些对分类识别最有效的特征，从而实现特征维数的压缩。通常在得到实际对象的若干具体特征之后，再由这些原始特征产生出对分类识别最有效、数目最少的特征，这就是特征提取与选择的任务。此文介绍特征值的提取就按照随即的来抽取，此文一共80个数据，随机抽取50个作为训练数据，30个为预测数据。3.2载入数据与ANN训练运用BP人工神经网络小工具对数据进行训练与预测，首先对80组数据依次写入excel，然后专为文本文档，打开软件载入数据。3.2．1样品的代表性训练随机抽取50个作为训练数据