SOM神经网络的数据分类--柴油机故障诊断

SOM神经网络背景:自组织特征映射神经网络(SOM)模拟大脑神经系统的自组织特征映射功能，是一种无监督竞争式学习的前馈网络，在训练中能无监督自组织学习。它通过学习可以提取一组数据中的重要特征或某种内在规律，按离散时间方式进行分类。网络可以把任意高维的输入映射到低维空间，并且使得输入数据内部的某些相似性质表现为几何上邻近的特征映射。这样，就在输出层映射成一维或二维离散图形，并保持其拓扑结构不变。这种分类反映了样本集的本质区别，大大减弱了一致性准则中的人为因素。[ 以下有详细的SOM网络理论知识..........]柴油机故障诊断背景：随着科学与生产技术的发展，现代设备结构越来越复杂．自动化程度越来越高。在工作过程中，故障发生的概率相对提高，出现故障后不仅会造成经济损失，甚至会导致整个设备遭受灾难性的毁坏。柴油机由于其本身的结构异常复杂，加之系统的输入输出不明显，难以用比较完备准确的模型对其机构、功能、以及状态等进行有效的描述，因而给故障诊断带来了很大麻烦。对于柴油机这类复杂的系统。神经网络的输入输出非线性映射特性、信息的分布存储、并行处理和全局集体应用，特别是其高度的自组织和自学习能力，使其成为故障诊断的一种有效方法和手段。