控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2010年
6期
824-827,840
,共5页
α稳定分布%基函数%概率神经网络%故障诊断%有色噪声
α穩定分佈%基函數%概率神經網絡%故障診斷%有色譟聲
α은정분포%기함수%개솔신경망락%고장진단%유색조성
提出一种α稳定分布基函数概率神经网络(Alpha-PNN)结构,该网络隐层的神经元激活函数采用了对称α稳定分布的概率密度函数,和常规的高斯分布函数相比,其具有更好的可变性和延展性,从而使隐层的神经元在函数近似上具有更高的适应性,同时也克服了概率神经网络对输入数据的独立同分布假设,提高了神经网络对局部脉冲突变的近似能力.在此基础之上,提出了一种新的根据系统输入输出数据实现的故障诊断算法,并将其应用到轴承的故障诊断中.仿真结果表明,在有色噪声的背景下,该算法仍然能够实现较好的识别效果,故障的误报率低于概率神经网络方法.
提齣一種α穩定分佈基函數概率神經網絡(Alpha-PNN)結構,該網絡隱層的神經元激活函數採用瞭對稱α穩定分佈的概率密度函數,和常規的高斯分佈函數相比,其具有更好的可變性和延展性,從而使隱層的神經元在函數近似上具有更高的適應性,同時也剋服瞭概率神經網絡對輸入數據的獨立同分佈假設,提高瞭神經網絡對跼部脈遲突變的近似能力.在此基礎之上,提齣瞭一種新的根據繫統輸入輸齣數據實現的故障診斷算法,併將其應用到軸承的故障診斷中.倣真結果錶明,在有色譟聲的揹景下,該算法仍然能夠實現較好的識彆效果,故障的誤報率低于概率神經網絡方法.
제출일충α은정분포기함수개솔신경망락(Alpha-PNN)결구,해망락은층적신경원격활함수채용료대칭α은정분포적개솔밀도함수,화상규적고사분포함수상비,기구유경호적가변성화연전성,종이사은층적신경원재함수근사상구유경고적괄응성,동시야극복료개솔신경망락대수입수거적독립동분포가설,제고료신경망락대국부맥충돌변적근사능력.재차기출지상,제출료일충신적근거계통수입수출수거실현적고장진단산법,병장기응용도축승적고장진단중.방진결과표명,재유색조성적배경하,해산법잉연능구실현교호적식별효과,고장적오보솔저우개솔신경망락방법.
