河池学院学报
河池學院學報
하지학원학보
JOURNAL OF HECHI UNIVERSITY
2013年
5期
38-42
,共5页
粗糙集%模糊聚类%神经网络%机械故障%预测预报
粗糙集%模糊聚類%神經網絡%機械故障%預測預報
조조집%모호취류%신경망락%궤계고장%예측예보
为了尽早发现机械故障,做到防患于未然,实施安全生产,在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测.首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性.然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型.该模型可以有效地去除神经网络中输入层的冗余神经元,合理的确定隐含层神经元的数目,使神经网络提高了收敛性能,获得更好的非线性逼近能力.应用车床的机械振动采样数据进行仿真实验,结果说明:优化的粗神经网络预测模型,可提取有用信息、简化网络结构,减少训练时间,提高预测精度.在机械振动位移的采样数据预测实验中,取得了良好的效果,对于减少机械故障、实现安全生产、提高经济效益具有重要意义.
為瞭儘早髮現機械故障,做到防患于未然,實施安全生產,在神經網絡中引入粗糙集理論和模糊聚類方法,實現建模預測.首先用粗糙集和模糊聚類進行屬性約簡,去掉冗餘的屬性.然後根據模糊邏輯規則穫取閤理的網絡輸入層、隱含層和輸齣層,建立優化的粗神經網絡預測模型.該模型可以有效地去除神經網絡中輸入層的冗餘神經元,閤理的確定隱含層神經元的數目,使神經網絡提高瞭收斂性能,穫得更好的非線性逼近能力.應用車床的機械振動採樣數據進行倣真實驗,結果說明:優化的粗神經網絡預測模型,可提取有用信息、簡化網絡結構,減少訓練時間,提高預測精度.在機械振動位移的採樣數據預測實驗中,取得瞭良好的效果,對于減少機械故障、實現安全生產、提高經濟效益具有重要意義.
위료진조발현궤계고장,주도방환우미연,실시안전생산,재신경망락중인입조조집이론화모호취류방법,실현건모예측.수선용조조집화모호취류진행속성약간,거도용여적속성.연후근거모호라집규칙획취합리적망락수입층、은함층화수출층,건립우화적조신경망락예측모형.해모형가이유효지거제신경망락중수입층적용여신경원,합리적학정은함층신경원적수목,사신경망락제고료수렴성능,획득경호적비선성핍근능력.응용차상적궤계진동채양수거진행방진실험,결과설명:우화적조신경망락예측모형,가제취유용신식、간화망락결구,감소훈련시간,제고예측정도.재궤계진동위이적채양수거예측실험중,취득료량호적효과,대우감소궤계고장、실현안전생산、제고경제효익구유중요의의.
