振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2010年
4期
84-87,134
,共5页
小脑模型神经网络(CMAC)%高斯基函数%发电机%故障诊断%机电综合特征
小腦模型神經網絡(CMAC)%高斯基函數%髮電機%故障診斷%機電綜閤特徵
소뇌모형신경망락(CMAC)%고사기함수%발전궤%고장진단%궤전종합특정
提出一种基于高斯基函数小脑模型神经网络(CMAC)的汽轮发电机故障诊断新方法,为了达到更高的精度和更好的泛化能力,该方法以高斯函数作为CMAC神经网络的基甬数,针对发电机的机电耦合特性,将发电机机电综合特征作为神经网络的训练样本输入,经MATLAB仿真得到了完全正确的诊断结果,收敛速度快,精度高,可以满足在线监控的要求.通过比较学习率和泛化常数取值不同时CMAC网络的训练结果,分析了学习率和泛化常数对该网络的影响.
提齣一種基于高斯基函數小腦模型神經網絡(CMAC)的汽輪髮電機故障診斷新方法,為瞭達到更高的精度和更好的汎化能力,該方法以高斯函數作為CMAC神經網絡的基甬數,針對髮電機的機電耦閤特性,將髮電機機電綜閤特徵作為神經網絡的訓練樣本輸入,經MATLAB倣真得到瞭完全正確的診斷結果,收斂速度快,精度高,可以滿足在線鑑控的要求.通過比較學習率和汎化常數取值不同時CMAC網絡的訓練結果,分析瞭學習率和汎化常數對該網絡的影響.
제출일충기우고사기함수소뇌모형신경망락(CMAC)적기륜발전궤고장진단신방법,위료체도경고적정도화경호적범화능력,해방법이고사함수작위CMAC신경망락적기용수,침대발전궤적궤전우합특성,장발전궤궤전종합특정작위신경망락적훈련양본수입,경MATLAB방진득도료완전정학적진단결과,수렴속도쾌,정도고,가이만족재선감공적요구.통과비교학습솔화범화상수취치불동시CMAC망락적훈련결과,분석료학습솔화범화상수대해망락적영향.
