汽轮机技术
汽輪機技術
기륜궤기술
TURBINE TECHNOLOGY
2009年
5期
372-375
,共4页
董辛旻%韩捷%石来德%尹献德
董辛旻%韓捷%石來德%尹獻德
동신민%한첩%석래덕%윤헌덕
旋转机械%故障诊断%矢谱%L-M神经网络
鏇轉機械%故障診斷%矢譜%L-M神經網絡
선전궤계%고장진단%시보%L-M신경망락
讨论了矢谱融合技术和Levenberg-Marquardt(L-M)神经网络的相关理论,提出了基于矢谱和L-M神经网络的旋转机械故障诊断方法,建立了基于矢谱的旋转机械常见故障诊断L-M神经网络模型.模拟实验结果表明:与基于单通道数据的诊断结果对比,将矢谱数据融合应用于旋转机械常见故障诊断,可有效提高故障诊断的准确率.
討論瞭矢譜融閤技術和Levenberg-Marquardt(L-M)神經網絡的相關理論,提齣瞭基于矢譜和L-M神經網絡的鏇轉機械故障診斷方法,建立瞭基于矢譜的鏇轉機械常見故障診斷L-M神經網絡模型.模擬實驗結果錶明:與基于單通道數據的診斷結果對比,將矢譜數據融閤應用于鏇轉機械常見故障診斷,可有效提高故障診斷的準確率.
토론료시보융합기술화Levenberg-Marquardt(L-M)신경망락적상관이론,제출료기우시보화L-M신경망락적선전궤계고장진단방법,건립료기우시보적선전궤계상견고장진단L-M신경망락모형.모의실험결과표명:여기우단통도수거적진단결과대비,장시보수거융합응용우선전궤계상견고장진단,가유효제고고장진단적준학솔.
