计算机测量与控制
計算機測量與控製
계산궤측량여공제
Computer Measurement & Control
2015年
10期
3307-3309,3312
,共4页
Levenberg-Marquardt算法%BP神经网络%多级往复式压缩机%气阀故障
Levenberg-Marquardt算法%BP神經網絡%多級往複式壓縮機%氣閥故障
Levenberg-Marquardt산법%BP신경망락%다급왕복식압축궤%기벌고장
Levenberg-Marquardt algorithm%BP neural network%multi-stage reciprocating compressor%valve fault
提出一种基于LM(Levenberg-Marquardt)算法优化的BP (Back Propagation)神经网络的多级往复式压缩机气阀故障诊断方法;以6 M25-185/314氢氮气压缩机的6级压差和6级温差作为网络的输入向量,建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型;以100组故障数据作为网络训练样本,30组数据作为网络检测样本进行故障诊断,结果表明,LM-BP神经网络相比于变梯度BP神经网络和RBF神经网络诊断更快速稳定且准确率达到96％以上;利用Matlab软件平台建立的LM-BP神经网络故障诊断模型,模型简单便于在工程实际中应用.
提齣一種基于LM(Levenberg-Marquardt)算法優化的BP (Back Propagation)神經網絡的多級往複式壓縮機氣閥故障診斷方法;以6 M25-185/314氫氮氣壓縮機的6級壓差和6級溫差作為網絡的輸入嚮量,建立可對往複式壓縮機一至六級氣閥故障進行在線鑑測及故障診斷的LM-BP神經網絡模型;以100組故障數據作為網絡訓練樣本,30組數據作為網絡檢測樣本進行故障診斷,結果錶明,LM-BP神經網絡相比于變梯度BP神經網絡和RBF神經網絡診斷更快速穩定且準確率達到96％以上;利用Matlab軟件平檯建立的LM-BP神經網絡故障診斷模型,模型簡單便于在工程實際中應用.
제출일충기우LM(Levenberg-Marquardt)산법우화적BP (Back Propagation)신경망락적다급왕복식압축궤기벌고장진단방법;이6 M25-185/314경담기압축궤적6급압차화6급온차작위망락적수입향량,건립가대왕복식압축궤일지륙급기벌고장진행재선감측급고장진단적LM-BP신경망락모형;이100조고장수거작위망락훈련양본,30조수거작위망락검측양본진행고장진단,결과표명,LM-BP신경망락상비우변제도BP신경망락화RBF신경망락진단경쾌속은정차준학솔체도96％이상;이용Matlab연건평태건립적LM-BP신경망락고장진단모형,모형간단편우재공정실제중응용.
