摘要: 为了提高齿轮泵故障诊断的正确率,将正态云神经网络应用于其故障诊断中。将正态云模型和神经网络融合在一起构造了正态云神经网络,构造了云神经网络的结构,并且给出了各层的算法。通过云变换进行了系统的结构辨识,然后通过训练可以获得优化的人工神经权值和阈值,最后,将测试数据输入正态云神经网络,根据正态云神经网络的输出向量可以判断出齿轮泵的故障。进行了基于正态云神经网络的齿轮泵的故障仿真实例分析,结果表明,正态云神经网络能够准确地诊断出齿轮泵的故障,并且具有较高的故障诊断效率。
[1] 施俊侠,杨兆建,张日红.小波包分析方法在齿轮泵故障诊断中的应用[J].机床与液压,2010,38(17):126-129 [2] 贾文铜,周瑞祥,张忠,等.基于Elman神经网络的齿轮故障诊断研究[J].计算机测量与控制,2012,20(2):1173-1175 [3] 徐宗本,樊忠泽.基于云神经网络的空间推进系统故障检测与诊断[J].兵工学报,2009,30(6):727-732 [4] 黄强,吴建军.基于云-神经网络的液体火箭发动机故障检测方法[J].国防科技大学学报,2010,32(1):11-15 [5] 秦昳,卢强,黄士坦.基于云理论和信息融合理论的系统性能评估方法研究[J].计算机工程与科学,2012,34(2):181-185 [6] 张晔,马彦恒,李刚.基于云理论在雷达发射机BIT测试性能评价[J].计算机测量与控制,2012,20(10):2742-2745 [7] 石晓伟,张会清,邓贵华.基于BP神经网络的距离损耗模型室内定位算法研究[J].计算机测量与控制,2012,20(7):1944-1947 [8] 蓝集明,熊刚,张海燕.基于RBF神经网络的润滑油自动识别系统设计[J].计算机测量与控制,2012,20(2):484-487 |
No related articles found! |
|