现代制造工程
現代製造工程
현대제조공정
MODERN MANUFACTURING ENGINEERING
2012年
3期
114-118,27
,共6页
龙红叶%熊峰%胡小梅%卢鲜亮
龍紅葉%熊峰%鬍小梅%盧鮮亮
룡홍협%웅봉%호소매%로선량
状态预测%L-M优化算法%特性曲线%有效预测
狀態預測%L-M優化算法%特性麯線%有效預測
상태예측%L-M우화산법%특성곡선%유효예측
设备状态预测是设备预防性维护的重要组成部分.针对传统方法处理设备状态数据的不足,采用L-M优化算法进行设备状态预测.通过原始样本数据学习和训练BP神经网络,并用测试数据进行设备状态预测,实验证明该方法不仅在误差分析精度和收敛速度方面具有优良的性能,而且还证明了该算法的有效性.
設備狀態預測是設備預防性維護的重要組成部分.針對傳統方法處理設備狀態數據的不足,採用L-M優化算法進行設備狀態預測.通過原始樣本數據學習和訓練BP神經網絡,併用測試數據進行設備狀態預測,實驗證明該方法不僅在誤差分析精度和收斂速度方麵具有優良的性能,而且還證明瞭該算法的有效性.
설비상태예측시설비예방성유호적중요조성부분.침대전통방법처리설비상태수거적불족,채용L-M우화산법진행설비상태예측.통과원시양본수거학습화훈련BP신경망락,병용측시수거진행설비상태예측,실험증명해방법불부재오차분석정도화수렴속도방면구유우량적성능,이차환증명료해산법적유효성.
