10.16526/j.cnki.11-4762/tp.2018.11.009
基于FOA优化GRNN的船用柴油机涡轮增压系统故障诊断
为了及时有效地发现并排除船用柴油机涡轮增压系统的故障,文中采用果蝇优化算法(FOA)对广义回归神经网络(GRNN)的分布密度SPREAD进行优化选取,提出了一种果蝇优化算法和广义回归神经网络相结合的故障诊断新方法;收集某型号船用柴油机的样本集,采用相同的训练样本分别对FOA优化GRNN和RBF神经网络进行训练,并用相同的测试样本对以上两种模型进行验证;结果表明,与RBF神经网络故障诊断方法相比,FOA优化GRNN对柴油机涡轮增压系统故障模式的识别准确率更高.
涡轮增压系统、FOA、GRNN、故障诊断
26
TM344(电机)
江苏省自然科学基金面上项目BK20151345;江苏高校品牌专业建设工程资助项目PPZY2015A088
2018-12-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
39-42,46