3.1 基于人工神经网络的智能故障诊断

ANN的研究最早可追溯到1943年McCulloch与Pitts抽象的M-P神经元模型。该模型通过模拟生物神经元的基本生理特征执行逻辑功能，标志着ANN研究时代的正式开启。随后Rosenblatt在1957年首次提出了能够模拟人类感知能力的感知机，极大地推动了神经网络的研究。到了20世纪60年代初期，自适应线性元的提出更是掀起了ANN研究的热潮。然而不久之后，Minsky和Papert从数学上证明了以感知机为代表的单层神经网络无法处理简单的异或等线性不可分问题，导致此后对ANN的研究长期停滞不前，陷入低谷。直至1982年，Hopfield提出Hopfield神经网络模型，并引入“计算能量”概念，给出了网络稳定性判断，掀起了ANN研究的第二次热潮。随后Rumelhart、Hinton与Williams发明了误差反向传播算法，系统地解决了多隐层神经网络连接的权值学习问题，并在数学上给出了完整的推导，推动了ANN的实际应用[5]。目前，ANN的应用范围广泛，涵盖语音识别、图像识别、智慧医疗、智能机器人等多个领域。