旋转机械故障类型识别的神经网络方法研究
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
860KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
广义回归神经网络(Generalized Regression Neural Network,GRNN)和概率神经网络(Probabilistic Neural Network,PNN)都是基于径向基函数的神经网络类型。广义回归神经网络通常用来实现函数逼近,而概率神经网络主要用于模式分类问题的研究。两者在机械设备故障诊断中均有广泛的应用。根据两种神经网络原理建立模型,对比分析广义回归神经网络和概率神经网络在旋转机械设备故障类型识别方面的优缺点。结果显示,两种神经网络在故障类型识别方面均取得了不错的效果,而概率神经网络相比广义回归神经网络而言,能应用更少的特征得到正确的结果。同时,将这两种神经网络得到的结果同BP神经网络和RBF神经网络得到的结果相比,发现GRNN神经网络和PNN神经网络具有更高的准确率和鲁棒性。相关论文
- 2021-01-29基于响应面法车辆平顺性和操纵稳定性分析
- 2024-06-26主轴承径向轴颈型线对润滑状态的影响
- 2020-06-15柴油机全可变配气缸内充量建模与数值最优仿真研究
- 2021-01-23自主行驶设备PID三偏差导航控制系统建模分析
- 2024-06-04高性能注水井生产封隔器研制与试验
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。