基于神经网络的移动机器人的故障诊断方法研究(9)
子系统本身也是复杂系统;另一方面，组成系统后，体现子系统独立运行状态的
部分特征也将消失。因此，无论是定量还是定性，要用简单、完备、准确的模型
对移动机器人系统及其子系统的结构、功能或行为进行有效的描述，都是比较困
难的。
（3）故障的复杂性
移动机器人结构、工作原理、工作环境的复杂性决定了其故障的复杂性。故
障的复杂性反应在故障因果关系上，表现为故障征兆与故障原因之间的故障的关
系复杂：一方面，一个故障可能引起多种征兆，而一个征兆又可能对应多个故障
另一方面，故障与征兆之间的关系还存在随机性和模糊性等不确定性。此外，工
作环境的复杂性也导致故障发生的外在原因存在多种可能性。
（4）故障发生的随机性
移动机器人故障发生的随机性很强，故障发生的概率比较小。因此收集用于
故障分析的数据比较稀疏。
由于以上的故障诊断难点，现有的故障诊断理论和技术正面临着移动机器人
故障诊断带来的严峻挑战。对于移动机器人的故障诊断，至今没有十分行之有效
的方法。
3.5 小结
本章主要介绍了移动机器人故障诊断的相关内容，如故障诊断的由来、故障诊断的定义、故障的分类、任务等内容，同时又对移动机器人的故障原因进行了分析，给了我们一个对故障诊断的初步认识，以便有利于我们做接下来的工作。
4 神经网络相关知识
神经网络是一门活跃的边缘性交叉学科。研究它的发展过程和前沿问题，具有重要的理论意义。
神经网络理论是巨量信息并行处理和大规模平行计算的基础。神经网络既是高度非线性动力学系统，又是自适应组织系统，可以用来描述认知、决策及控制的智能行为。它的中心问题是智能的认知和模拟。从解剖学和生理学的角度来看，人脑是一个复杂的并行系统，它不同于传统的Neumann式计算机，更重要的是它具有“认知”、“意识”和“感情”等高级脑功能。我们以人工方法模拟这些功能，毫无疑问，有助于加深对思文及智能的认识。20世纪80年代初，神经网络的崛起，已对认知和智力的本质的基础研究乃至计算机产业都产生了空前的刺激和极大的推动。
4.1 神经网络的发展过程、定义及特性
4.1.1 神经网络的发展过程
1.第一阶段是在五十年代中期之前
西班牙解剖学家Cajal于九十世纪末创立了神经元学说，该学说认为神经元的形状呈两极，其细胞体和树突从其他神经元接受冲动，而轴所则将信号像远离细胞体的方向传递。在他之后发明的各种染色技术和微电极技术不断提供了有关神经元的主要特征及其电学性质。1943年，美国的心理学家W.S.McCulloch在论文《神经活动中所蕴含思想的逻辑活动》中，提出了一个非常简单的神经元模型，即M—P模型、该模型讲神经元当作一个功能逻辑器件来对待，从而开创了神经网络模型的理论研究。
1949年，心理学家D.O.Hebb写了一本题为《行为的组织》的书，在这本书中他提出了神经元之间连接强度变化的规则，即后来所谓的Hebb学习法则。Hebb写道：当神经细胞A的轴突足够靠近细胞B并能使之兴奋时，如果A重复或持续地激发B，那么这两个细胞或其中一个细胞上必然有某种生长或代谢过程上的变化，这种变化使A激活B的效率有所增加。”简单地说，就是如果两个神经元都处于兴奋状态，那么它们之间的突触连接强度将会得到增强。
五十年代初，生理学家Hodykin和数学家Huxley在研究神经细胞膜等效电路时，将膜上离子的迁移变化分别等效为可变的Na+电阻和K+电阻，从而建立了著名的Hodykin—Huxley方程。