-
题名基于概率神经网络和KS检验的机械状态监测
被引量：17
- 1
-
-
作者
胡峰
吴波
胡友民
史铁林
-
机构
华中科技大学数字制造与装备技术国家重点试验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2008年第4期56-57,62,共3页
-
基金
国家重点基础研究发展计划(2005CB724101)
国家自然科学基金项目(50575087)
国家自然科学基金项目(50675076)
-
文摘
机械状态监测中经常需要用非线性分类器对机械状态进行分类。概率神经网络是一种典型的非线性分类器。它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点。但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷。当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报。因此,需要对神经网络分类器的分类结果进行检验。KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报。
-
关键词
概率神经网络
KS检验
状态监测
-
Keywords
probabilistic neural network
KS test
condition monitoring
-
分类号
TH17
[机械工程—机械制造及自动化]
-
