10.3321/j.issn:0254-3087.2006.12.034
水电机组振动故障诊断的人工神经网络选择研究
引起水电机组振动的原因很复杂,而且水电机组的振动故障往往是多故障同时发生,使得故障诊断很困难,目前主要是应用基于模式识别的神经网络来进行故障分类,但如何选择故障诊断的神经网络一直是个难点.文章研究了3种人工神经网络,即反向传播网络(BPN)、概率神经网络(PNN)和学习矢量量化网络(LVQ)对水电机组振动故障诊断性能的影响.结果表明,人工神经网络的结构和算法,包括相关训练参数的选择对故障诊断性能有着重要影响.比较而言,学习矢量量化网络和概率神经网络在分类能力方面要比反向传播网络好一些,概率神经网络在计算负载方面比学习矢量量化网络要更胜一筹.
反向传播网络、概率神经网络、学习矢量化网络、故障诊断、水电机组
27
TK312(热工量测和热工自动控制)
国家自然科学基金90410019
2007-01-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
1711-1714