微电机
微電機
미전궤
MICROMOTORS SERVO TECHNIQUE
2011年
3期
9-12
,共4页
永磁直流电机%支持向量机%BP神经网络%模式识别%故障诊断
永磁直流電機%支持嚮量機%BP神經網絡%模式識彆%故障診斷
영자직류전궤%지지향량궤%BP신경망락%모식식별%고장진단
构建了两种基于BP神经网络和支持向量机的的永磁直流电机故障模式识别分类器,并对该两种模式识别分类器在永磁直流电机故障诊断中的应用进行了实验研究与理论分析.研究结果表明:基于支持向量机的永磁直流电机故障模式识别方法在小样本情况下的诊断正确率高于基于BP神经网络,最好能达到94.6667%,且不存在局部极小值问题和过学习问题.
構建瞭兩種基于BP神經網絡和支持嚮量機的的永磁直流電機故障模式識彆分類器,併對該兩種模式識彆分類器在永磁直流電機故障診斷中的應用進行瞭實驗研究與理論分析.研究結果錶明:基于支持嚮量機的永磁直流電機故障模式識彆方法在小樣本情況下的診斷正確率高于基于BP神經網絡,最好能達到94.6667%,且不存在跼部極小值問題和過學習問題.
구건료량충기우BP신경망락화지지향량궤적적영자직류전궤고장모식식별분류기,병대해량충모식식별분류기재영자직류전궤고장진단중적응용진행료실험연구여이론분석.연구결과표명:기우지지향량궤적영자직류전궤고장모식식별방법재소양본정황하적진단정학솔고우기우BP신경망락,최호능체도94.6667%,차불존재국부겁소치문제화과학습문제.
