化工自动化及仪表
化工自動化及儀錶
화공자동화급의표
CONTROL AND INSTRUMENTS IN CHEMICAL INDUSTRY
2013年
5期
610-615
,共6页
风机%振动%LVQ神经网络%故障诊断
風機%振動%LVQ神經網絡%故障診斷
풍궤%진동%LVQ신경망락%고장진단
fan%vibration%LVQ neural network%fault diagnosis
提出一种改进的LVQ神经网络的风机故障诊断新方法.利用风机振动频域的特征向量作为学习样本,建立与风机故障类型的映射关系.将能量特征输入改进的LVQ神经网络进行网络训练与检测,以实现风机的故障识别.经比较,其性能优于BP网络和遗传网络,诊断正确率高达96％以上.通过仿真实验和风机的故障诊断实例表明:该网络提高了收敛速度及诊断精度,有效地抑制网络陷于局部极小,更适合风机等较复杂分类问题的故障诊断.
提齣一種改進的LVQ神經網絡的風機故障診斷新方法.利用風機振動頻域的特徵嚮量作為學習樣本,建立與風機故障類型的映射關繫.將能量特徵輸入改進的LVQ神經網絡進行網絡訓練與檢測,以實現風機的故障識彆.經比較,其性能優于BP網絡和遺傳網絡,診斷正確率高達96％以上.通過倣真實驗和風機的故障診斷實例錶明:該網絡提高瞭收斂速度及診斷精度,有效地抑製網絡陷于跼部極小,更適閤風機等較複雜分類問題的故障診斷.
제출일충개진적LVQ신경망락적풍궤고장진단신방법.이용풍궤진동빈역적특정향량작위학습양본,건립여풍궤고장류형적영사관계.장능량특정수입개진적LVQ신경망락진행망락훈련여검측,이실현풍궤적고장식별.경비교,기성능우우BP망락화유전망락,진단정학솔고체96％이상.통과방진실험화풍궤적고장진단실례표명:해망락제고료수렴속도급진단정도,유효지억제망락함우국부겁소,경괄합풍궤등교복잡분류문제적고장진단.
