煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2009年
4期
201-203
,共3页
赵进昌%原思聪%张满意%刘道华%耿素花
趙進昌%原思聰%張滿意%劉道華%耿素花
조진창%원사총%장만의%류도화%경소화
神经网络%U矩阵%复合材料
神經網絡%U矩陣%複閤材料
신경망락%U구진%복합재료
总结研究了自组织特征映射(SOM)神经网络的结构及学习算法,提出了利用SOM神经网络对输入样本的"聚类"作用及MATLAB神经网络工具箱来实现对故障模式的分类,通过U矩阵图对其分类结果进行仿真与分析的新方法.结果表明:该网络对复合材料损伤监测的诊断故障能够准确识别和分类,与一般可视化界面相比,此方法可视化界面更简单直观,故障识别率高,应用于材料无损检测是有效可行的.
總結研究瞭自組織特徵映射(SOM)神經網絡的結構及學習算法,提齣瞭利用SOM神經網絡對輸入樣本的"聚類"作用及MATLAB神經網絡工具箱來實現對故障模式的分類,通過U矩陣圖對其分類結果進行倣真與分析的新方法.結果錶明:該網絡對複閤材料損傷鑑測的診斷故障能夠準確識彆和分類,與一般可視化界麵相比,此方法可視化界麵更簡單直觀,故障識彆率高,應用于材料無損檢測是有效可行的.
총결연구료자조직특정영사(SOM)신경망락적결구급학습산법,제출료이용SOM신경망락대수입양본적"취류"작용급MATLAB신경망락공구상래실현대고장모식적분류,통과U구진도대기분류결과진행방진여분석적신방법.결과표명:해망락대복합재료손상감측적진단고장능구준학식별화분류,여일반가시화계면상비,차방법가시화계면경간단직관,고장식별솔고,응용우재료무손검측시유효가행적.
