基于遗传算法和神经网络的故障诊断研究
详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文
摘要
首先分析了信息融合技术与故障诊断相结合的必要性,然后给出了人工神经网络和遗传算法的具体过程,提出了基于遗传神经网络信息融合手段的故障诊断模型。实验结果表明,该方法有效地提高了故障诊断的效率和准确度。
Firstly the paper analyses the necessity of combination ofinformatino fusion and fault diagnosis, then gives the specific algorithms of artificial neural network.and genetic algorithm and provides a fault diagnosis model based on artificial neural network.and genetic algorithm. Experiments show than the mothed can effectively improve the fault-diagnosing efficiency and accuracy.
引文
[1]刘晓玲,刘丽俊,马彦超.基于神经网络风机监测诊断系统的设计[J].煤矿机械,2003,(11):121-122.
    [2]刘海亮,熊静琪.基于BP神经网络液压制动故障诊断研究[J].微计算机信息,2007,23:186-187.
    [3]杨伟,顾明星,彭静萍.证据理论在电机故障诊断中的应用[J].电力系统保护与控制,2010,38(2):64–65.
    [4]韩万林,张幼蒂,李梁.地震多参数BP神经网络预测煤层厚度[J].煤田地质与勘探,2001,29(4):53-54.
    [5]李伟奖,马邕文.基于遗传算法和BP网络的造纸废水处理预测研究[J].中国造纸学报,2010,25(1):69-70.
    [6]梁宇宏,张欣.对遗传算法的轮盘赌选择方式的改进[J]信息技术,2009,(12):127-128.
    [7]胡胜利,钱旭,钟峰.基于遗传算法和神经网络的煤层厚度预测[J].中国煤炭,2010,36(2):70:71..
    [8]雷英杰,张善文等.Matalab遗传算法工具箱及应用[M]西安:西安电子科技大学出版社,2004.
    [9]史永胜,宋云雪.基于自组织映射网络的故障诊断推理方法研究[J].飞机设计,2002,(4):30-32.

版权所有:© 2023 中国地质图书馆 中国地质调查局地学文献中心