《基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用》PDF+DOC
作者:司风琪,李欢欢,徐治皋
单位:东南大学
出版:《东南大学学报(自然科学版)》2011年第03期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFDNDX2011030290
DOC编号:DOCDNDX2011030299
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RBF神经网络和定性趋势分析的传感器故障诊断》PDF+DOC2011年第04期 张洪萍,税爱社,谢敏,沈鑫
《采用神经网络的传感器故障诊断方法研究》PDF+DOC1995年第02期 夏常弟,李治
《基于模糊动态模型的传感器故障诊断方法》PDF+DOC2003年第03期 黄孝彬,牛玉广,刘吉臻,刘武林
《基于神经网络的传感器故障诊断方法与应用》PDF+DOC2003年第10期 王军,吕震中,曹荃
《一种基于神经网络的传感器故障诊断方法》PDF+DOC2001年第03期 魏春岭,张洪钺
《基于RBF时间序列预测器的传感器故障诊断方法研究》PDF+DOC2010年第05期 曹正洪,沈继红
《传感器故障诊断方法研究》PDF+DOC1996年第04期 钮永胜,赵新民,孙金玮
《多传感器信息融合技术及其在智能材料结构中的应用》PDF+DOC2003年第05期 蒋雅娜,王帮峰,李迎,施益峰
《飞控系统传感器故障诊断的神经网络方法研究》PDF+DOC2010年第01期 魏慕恒,贾秋玲
《ANN-FRIFS在多传感器信息融合故障诊断中的应用》PDF+DOC2007年第03期 李发光,邱金水,刘伯运
针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小了残差污染,提高了故障诊断的准确性和可靠性.以某300 MW机组1#高加测点为对象进行算例分析,验证了该方法对于多传感器故障诊断的可行性和准确性,计算和模拟表明,RITNN方法优于线性PCA和传统ITNN方法,能够更加准确进行多传感器故障的检测和故障数据的重构。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。