中国机械
中國機械
중국궤계
CHINA MACHINERY
2014年
6期
260-261
,共2页
RBF神经网络%故障诊断%旋转机械
RBF神經網絡%故障診斷%鏇轉機械
RBF신경망락%고장진단%선전궤계
为克服BP网络在机械故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷，提出了一种基于最近邻聚类学习算法的RBF神经网络模型，并将该模型应用于旋转机械的故障诊断中。应用结果表明， RBF网络训练速度快、分类性能良好，在设备故障诊断领域具有很好的实用性。
為剋服BP網絡在機械故障診斷中存在的訓練收斂速度慢且容易陷入跼部極小、網絡初值對學習性能影響比較大等缺陷，提齣瞭一種基于最近鄰聚類學習算法的RBF神經網絡模型，併將該模型應用于鏇轉機械的故障診斷中。應用結果錶明， RBF網絡訓練速度快、分類性能良好，在設備故障診斷領域具有很好的實用性。
위극복BP망락재궤계고장진단중존재적훈련수렴속도만차용역함입국부겁소、망락초치대학습성능영향비교대등결함，제출료일충기우최근린취류학습산법적RBF신경망락모형，병장해모형응용우선전궤계적고장진단중。응용결과표명， RBF망락훈련속도쾌、분류성능량호，재설비고장진단영역구유흔호적실용성。
