提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法。作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出...提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法。作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别。故障诊断方法首先针对目标故障状态建立ARX模型,提取ARX模型的自回归系数作为故障特征向量。然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型。通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和ARX模型的故障诊断方法的有效性。展开更多
阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网...阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。展开更多
对不同故障下光伏组件内部等效参数和外特性电气参数进行特征提取,分别采用改进人工鱼群算法优化径向基函数神经网络(improved artificial fish swarm algorithm-radical basic function neural network,IAFSA-RBFNN)算法和相关向量机(r...对不同故障下光伏组件内部等效参数和外特性电气参数进行特征提取,分别采用改进人工鱼群算法优化径向基函数神经网络(improved artificial fish swarm algorithm-radical basic function neural network,IAFSA-RBFNN)算法和相关向量机(relevance vector machine,RVM)算法,建立了基于内部等效参数和外特性电气参数的4种光伏组件故障诊断模型,用于光伏组件的初步故障诊断。在此基础上,提出了一种基于改进证据相似度的光伏组件数据融合故障诊断模型,将上述4种模型的诊断结果作为该改进数据融合算法的基本概率分配(basic probability assignment,BPA)函数值,在决策层进行融合诊断输出,仿真和实验结果验证了上述方法可有效提高故障诊断的精度。展开更多
文摘提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法。作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别。故障诊断方法首先针对目标故障状态建立ARX模型,提取ARX模型的自回归系数作为故障特征向量。然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型。通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和ARX模型的故障诊断方法的有效性。
文摘阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。
文摘对不同故障下光伏组件内部等效参数和外特性电气参数进行特征提取,分别采用改进人工鱼群算法优化径向基函数神经网络(improved artificial fish swarm algorithm-radical basic function neural network,IAFSA-RBFNN)算法和相关向量机(relevance vector machine,RVM)算法,建立了基于内部等效参数和外特性电气参数的4种光伏组件故障诊断模型,用于光伏组件的初步故障诊断。在此基础上,提出了一种基于改进证据相似度的光伏组件数据融合故障诊断模型,将上述4种模型的诊断结果作为该改进数据融合算法的基本概率分配(basic probability assignment,BPA)函数值,在决策层进行融合诊断输出,仿真和实验结果验证了上述方法可有效提高故障诊断的精度。
