1.2.3智能故障检测技术的研究现状

目前已经出现了不少智能检测系统了，它主要是根据知识的不同处理方法来进行分类。[3]首先是根据符号推理的方法，其中一种就是专家智能系统。还有一种是根据数值计算进行检测的智能方法，神经网络就是重要的一种。

进行符号推理时主要是模拟人的思维模式和模拟计算机，人们使用知识对故障从表象到本质进行推理。知识的优点很多，如它可以形成精确的专家系统，能够长远地定性地对它进行分析，能够清楚地对它进行推理，还让用户很容易地参与进来，解释起来也很容易。同时它也存在问题，其主要体现在：现在能够很好地表达检测的方法很少，也不能很确定地对它进行推理，而且效率还很低。现在人们正在积极地解决这个问题。打个比方说，我们可以模拟机器人学习，这样可以打破知识的限制，还可以采用并行处理的方法，这样它的准确度会有很大的提升。我们还可以用各种各样的知识去表示和求解，以此使系统更加的灵活。[4]

 神经网络采用数值计算的方法主要是为了能够使模拟人类思维这一方法能够实现，它的样本都是已经获得的数据以及已经知道的故障模式。经过学习最终得到数据量和故障模式的一个关系。神经网络的故障检测系统和专家系统相比较拥有下面多个优势:来`自^751论*文-网www.751com.cn

具有一致的内部结构知识展示形式。有利于事项知识的自动获取，能够很好地去适应当前的环境。以数值计算的方法进行推理。它的思维能力很形象，有联想、记忆和类比的功能。同时它还能够大范围地工作，尤其是在学习过的知识以外工作。[5]目前神经网络还有不少要完善的地方。它不可以准确地对奇异模式进行判断，也不能很好地对结论进行总结。目前主要要从自身进行改正和完善，同时还要研究模块化神经网络的检测方法。以此来提高神经网络在实用中的学习和检测能力。

1.3本文研究的主要内容

本文主要研究的内容有：

（1）神经网络的基本原理，它的几种模型和学习算法；

（2）几种神经网络学习算法的优缺点比较；

（3）TE过程的原理、工作流程和它的故障类型；

（4）径向基神经网络的工作原理和它在TE过程故障检测中的应用。