朱明悦，李小申

ZHU Ming-yue1, LI Xiao-shen2

（1.河南化工职业学院，郑州 450042；2.河南科技大学 数学与统计学院，洛阳 471003）

0 引言

在传统的故障模式诊断技术中，模式分类采用的基本方法是利用判别函数来划分每个类别。然而，在很多情况下，特别是对于线性不可分的复杂决策区域，判别函数的形式也就格外复杂，而且全面的典型参考模式样本也不容易得到。神经网络作为一种自适应的模式识别技术，并不需要预先给出有关模式的经验知识和判别函数，它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特征、学习和训练规则决定。它可以充分利用状态信息，对来自不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习，如果环境发生了变化，这种映射关系还可以自适应地进行调整。鉴于此，神经网络在故障模式识别领域的应用越来越广泛。本文提出一种径向基概率神经网络模型，用于发动机故障模式的诊断。仿真结果表明，该网络学习速度快，诊断准确率高，对样本噪声的鲁棒性强，可以对系统进行实时监测和诊断。

1 概率神经网络

概率神经网络（Probabilistic Neural Networks,PNN）是一种结构简单、训练简洁、具有较强容错能力和结构自适应能力的径向基函数（Radical Basis Function, RBF）神经网络，主要用于模式分类和故障诊断中。

1.1 概率神经网络的结构

概率神经网络是一种具有单隐层的三层前向神经网络。输入层将系统提取的特征参数直接传递给隐含层，不做任何处理，因此，输入层仅仅起到传输信号的作用，其神经元的个数与输入样本向量的维数相同。……