核动力工程
覈動力工程
핵동력공정
NUCLEAR POWER ENGINEERING
2012年
6期
105-109
,共5页
概率神经网络%旋转机械%振动%故障诊断
概率神經網絡%鏇轉機械%振動%故障診斷
개솔신경망락%선전궤계%진동%고장진단
利用小波分解提取故障特征,应用概率神经网络( PNN)诊断故障,提出一种基于小波PNN的信息融合故障诊断技术,并用MATLAB进行仿真验证.仿真验证表明:应用小波分解提取故障能量向量特征,具有很强的泛化能力和抗噪声干扰能力,适应转速频率结构的动态变化范围宽,所需样本容量小；构建的PNN具有适应性好、抗噪声干扰能力强、分类诊断准确率高的特点.将两者融合构成小波PNN应用,可获得更佳的分类诊断效果,大大提高其故障诊断的泛化性、可靠性和准确率.
利用小波分解提取故障特徵,應用概率神經網絡( PNN)診斷故障,提齣一種基于小波PNN的信息融閤故障診斷技術,併用MATLAB進行倣真驗證.倣真驗證錶明:應用小波分解提取故障能量嚮量特徵,具有很彊的汎化能力和抗譟聲榦擾能力,適應轉速頻率結構的動態變化範圍寬,所需樣本容量小；構建的PNN具有適應性好、抗譟聲榦擾能力彊、分類診斷準確率高的特點.將兩者融閤構成小波PNN應用,可穫得更佳的分類診斷效果,大大提高其故障診斷的汎化性、可靠性和準確率.
이용소파분해제취고장특정,응용개솔신경망락( PNN)진단고장,제출일충기우소파PNN적신식융합고장진단기술,병용MATLAB진행방진험증.방진험증표명:응용소파분해제취고장능량향량특정,구유흔강적범화능력화항조성간우능력,괄응전속빈솔결구적동태변화범위관,소수양본용량소；구건적PNN구유괄응성호、항조성간우능력강、분류진단준학솔고적특점.장량자융합구성소파PNN응용,가획득경가적분류진단효과,대대제고기고장진단적범화성、가고성화준학솔.
