轧机液压AGC系统基于神经网络的传感器故障诊断技术

摘要：

针对板带轧机液压AGC系统在线故障诊断问题,建立了一种基于非线性自回归滑动平均模型(NARMA)的递归神经网络,通过AIC定阶法确定模型阶次.运用生产实际数据,通过动态学习算法完成对网络的训练,使网络映射系统的动力学特性.该网络模型避免了故障的自学习,能够很好地实现故障检测.试验研究证明了该神经网络方法进行轧机液压AGC系统在线故障诊断的可行性和有效性.

关键词：液压AGC、NARMA、递归神经网络、故障诊断

所属期刊栏目：40

分类号：TP217(自动化技术及设备)

资助基金：国家自然科学基金50375135;河北省自然科学基金E2005000323

在线出版日期：2005-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48