森林工程
森林工程
삼림공정
Forest Engineering
2015年
4期
87-91
,共5页
熵度量%属性约简%故障诊断%SOM神经网络
熵度量%屬性約簡%故障診斷%SOM神經網絡
적도량%속성약간%고장진단%SOM신경망락
entropy theory%attribute reduction%fault diagnosis%SOM neural network
为了减少故障参数的特征数量,加快诊断算法的运行速度,提高故障诊断的效率,本文提出利用熵度量理论对故障参数的特征按重要程度进行排序,将重要程度靠后的特征依次去除,计算去除某些特征后的特征集的熵变化量,若熵变化量变化比较小,则将该特征真正约简,再从约简后的特征集中选出一个最优的约简特征集.利用自组织特征映射神经网络对故障参数特征约简结果进行检验,验证结果表明:利用熵度量理论得出的约简结果能够用于故障诊断且诊断结果正确.
為瞭減少故障參數的特徵數量,加快診斷算法的運行速度,提高故障診斷的效率,本文提齣利用熵度量理論對故障參數的特徵按重要程度進行排序,將重要程度靠後的特徵依次去除,計算去除某些特徵後的特徵集的熵變化量,若熵變化量變化比較小,則將該特徵真正約簡,再從約簡後的特徵集中選齣一箇最優的約簡特徵集.利用自組織特徵映射神經網絡對故障參數特徵約簡結果進行檢驗,驗證結果錶明:利用熵度量理論得齣的約簡結果能夠用于故障診斷且診斷結果正確.
위료감소고장삼수적특정수량,가쾌진단산법적운행속도,제고고장진단적효솔,본문제출이용적도량이론대고장삼수적특정안중요정도진행배서,장중요정도고후적특정의차거제,계산거제모사특정후적특정집적적변화량,약적변화량변화비교소,칙장해특정진정약간,재종약간후적특정집중선출일개최우적약간특정집.이용자조직특정영사신경망락대고장삼수특정약간결과진행검험,험증결과표명:이용적도량이론득출적약간결과능구용우고장진단차진단결과정학.
