共查询到18条相似文献,搜索用时 140 毫秒
1.
基于细胞集合的隐层冗余BP神经网络及其性能研究 总被引:2,自引:0,他引:2
常规BP神经网络性能在很大程度上受制于其隐含层结构,本文对隐含层节点数的优化设置进行研究.利用大脑中基于细胞集合的信息处理机制,构建出一种隐含层具有冗余节点的BP神经网络(冗余BP网络),研究了其中隐含层冗余节点的设置方法,并在标准BP算法(SBP)基础上设计了一种批量式冗余BP算法(BBP).结合模拟电路的输出特性与故障诊断,对所提网络的性能进行了实验测试,结果证实,所提冗余BP网络与常规BP网络相比,具有更好的逼近精度,更快的收敛速度和良好的数据泛化能力. 相似文献
2.
针对传统故障诊断中前馈神经网络算法诊断效果不佳、泛化能力不强问题,提出了基于在线贯序极限学习机(OS-ELM)的风机关键机械部件故障诊断方法。该方法将测试得到的预测样本加入训练样本,作为下一次的更新信息,建立在线贯序极限学习机诊断模型,从而最大限度提高故障诊断精度,分析了激活函数、隐层节点数目对诊断性能的影响,并同BP神经网络、SVM以及ELM神经网络进行对比。实验表明,该方法在风机关键机械部件出现故障情况下,OS-ELM网络能够作出准确诊断且性能明显优于BP神经网络,与SVM、ELM故障分类准确率相当,但极大地提高了运算速度,便于工程应用。 相似文献
3.
唐立力 《机械工程与自动化》2014,(3)
针对滚动轴承的故障诊断问题,设计了一种最优隐层BP神经网络,借助经验公式确定隐层单元数的取值范围,进行计算平均迭代次数和均方误差来寻找最优隐层单元数。通过MATLAB仿真,结果表明该BP神经网络具有较高的诊断效率和准确度。 相似文献
4.
本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。 相似文献
5.
6.
一种改进的小波神经网络在故障诊断中的应用 总被引:1,自引:0,他引:1
针对现有BP网络在故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。对其存在的易将未知故障化为某一已知故障的问题,提出将小波网络加以改进,对诊断结果做最后的验证,以确保诊断结果的正确,同时也能准确地发现新的故障,并将其另开新类。仿真实验表明小波网络较BP网络更适用于故障诊断,且对小波网络进行的改进对新故障的发现也很有效。 相似文献
7.
8.
一种基于BP神经网络模拟电路故障诊断新方法 总被引:1,自引:0,他引:1
模拟电路故障诊断就是一个模式分类识别问题。本文提出了一种新的模拟电路故障特征向量提取方法——分布节点电压和电流的组合信息作为模拟电路的故障特征向量,应用BP神经网络改进算法进行模拟电路故障诊断,实验证明所提出的方法是可行的。也是很有价值和潜力的。 相似文献
9.
针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。 相似文献
10.
基于小波神经网络的木质材料缺陷模式识别 总被引:2,自引:1,他引:1
利用小波和神经网络对木质材料中密度纤维板的不同缺陷进行智能模式识别,研究采用Daubechies小波包对振动信号进行3层分解,计算信号在各频段所占的能量率,并以此作为样本对拓扑结构不同的BP神经网络进行训练,然后利用训练好的网络对缺陷的种类进行分类识别。结果表明,性质相近的两种贫胶缺陷应作为一类缺陷模式进行识别,单隐层和双隐层的BP网络对没有缺陷、鼓泡缺陷和贫胶缺陷3种模式的识别都很理想,但双隐层BP网络的推广性能较好,网络输出的波动性小。对中密度纤维板没有缺陷、鼓泡缺陷和贫胶缺陷智能识别的最佳网络是双层BP网络,网络第1隐层节点和第2隐层节点分别为20和6,对中密度纤维板缺陷模式识别的准确率为90%。 相似文献
11.
12.
本文以进行模拟电路故障诊断为主要目的,提出了基于小波包变换预处理的交流电路神经网络故障字典法,此方法充分利用小波包分解信号的能力,把交流电路的频率响应任意细分,能获取更多的故障特征。诊断速度快.效果好 相似文献
13.
14.
提出了采用小波变换和独立成分分析(ICA)作为预处理器来进行特征提取的神经网络开关电流电路故障诊断方法。该方法对采集到的故障响应信号进行Haar小波正交滤波器分解,获得低频近似信息和高频细节信息;然后利用独立成分分析方法进行ICA故障特征提取;最后将所得到的最优故障特征输入到BP神经网络中进行故障分类。对六阶切比雪夫低通滤波器和六阶椭圆带通滤波器电路进行了仿真实验验证,获得了100%的故障诊断准确率,与其他方法进行比较,实验结果显示了该方法的优越性。 相似文献
15.
16.
17.
基于改进小波神经网络的旋转机械故障诊断 总被引:2,自引:0,他引:2
根据旋转机械复杂的故障特点,提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取,然后用训练好的模糊神经网络进行故障识别,并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断,通过计算机仿真和试验的结果表明,该方法在处理多故障耦合的情况时优势明显,不仅可以正确识别故障的类型,还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的,为旋转机械的故障诊断提供了理论支持。 相似文献
18.
以三电平光伏逆变器为研究对象,提出一种多故障模式快速诊断新方法。首先,利用小波包分解提取出三电平逆变器的桥臂电压和上、下管电压信号的能量谱特征向量,并利用主成分分析降维后获取故障特征向量;然后,基于极端学习机诊断模型分离出单器件及多器件开路等多种故障模式。实验结果表明,相比于传统BP神经网络、最小二乘支持向量机故障诊断方法,该方法检测信号易获取,抗干扰性强,诊断速度快、精度高,减小了诊断成本和复杂性,适用于在线诊断。 相似文献