共查询到20条相似文献,搜索用时 93 毫秒
1.
介绍了自组织特征映射(SOM)网络的结构和学习方法,提出将SOM网络应用于IVC(独立通风笼盒)空气过滤器故障模式分类的方法。并尝试用单一故障样本对网络进行训练,根据“赢”单元在竞争层的位置对多故障进行判断。实验结果表明,该方法减少了网络训练的工作量,并且达到了较好的分类效果。 相似文献
2.
3.
具有容差的模拟电路故障定位的神经网络实现 总被引:4,自引:0,他引:4
结合K故障诊断和BP网络的分类功能,提出了一种神经网络实现模拟故障定位的方法,该方法将BP网络训练成具有推广能力的广义故障字典。 相似文献
4.
5.
针对现有铁路信号设备故障识别算法特征提取不准确导致正确率偏低的问题,提出了深度信念网络(DBN)的故障识别模型。该模型首先利用无监督训练方法对DBN的多个堆叠受限玻尔兹曼机(RBM)进行预训练,获得网络初始参数;然后,结合铁路信号设备识别问题,构建BP神经网络,利用有标签样本进行反向传播训练,实现网络参数微调。实验结果表明,该模型避免特征提取的人工操作,能够有效实现铁路信号设备故障的准确智能识别。 相似文献
6.
7.
8.
给出了容差模拟电路软故障诊断的小波与量子神经网络方法,利用小波分析,取其能反映故障信号特征的成分做为电路故障特征,再输入给量子神经网络,不仅解决了一个可测试点问题,并提高了辨识故障类别的能力,而且在网络训练之前,利用主元分析降低了网络输入维数。实验证明了这种方法的可行性与适用性。 相似文献
9.
10.
电力变压器一直是高压变电站系统和中小型发电厂使用的一项重要辅助电力设备,假如其工作一旦设备发生故障,系统将不能稳定的正常工作。同时,伴随着变压器电气等级的上升,变压器的价格就越贵重,如果因为故障受到损坏,对我国的经济社会的发展造成不可挽回的后果。由于科技的进步,传统的检测方法精度已经无法满足判别油浸式变压器故障的安全要求,因此需要一个安全性和可靠性高的便携的检测变压器故障的保护方法。从BP神经网络出发,构造了BP模型并对之训练仿真,得到识别率为60%。为了进一步提高故障识别率和精度,引入深度学习的概念,阐述了KNN网络的基本原理,以及其网络的结构和工作机制,据此又设计了一个KNN网络的模型,并使用DGA数据做好网络训练和结果剖析,识别率可达到90%。接着对两个模型做了对比,发现KNN优于BP神经网络。 相似文献
11.
为解决航舵故障诊断的复杂非线性模式分类问题,提出一种基于自组织特征映射(SOM)神经网络的航舵故障诊断方法,构造一个2层SOM神经网络,训练后多个权值向量位于输入向量聚类中心,实现快速有效的自适应分类.仿真结果表明:SOM网络经过100次训练即可实现聚类,对有限故障测试样本分类准确率可达90%,对航舵故障诊断具有一定的参考价值. 相似文献
12.
13.
14.
15.
16.
一种基于神经网络的模拟电路故障诊断方法 总被引:2,自引:1,他引:1
提出了一种基于模拟电路故障诊断的神经网络方法。这种方法利用小波分解、数据标准化、主成分分析对输入数据进行预处理,采用k个神经元输出的前馈神经网络结构进行有效训练。该方法检测和识别故障准确率高,系统的鲁棒性和稳定性强。 相似文献
17.
提出了一种新的基于紧致型小波神经网络的模拟电路故障诊断方法。该法首先利用小波包变换对故障信号进行预处理,减少了紧致型小波神经网络的输入数目,简化了紧致型小波神经网络结构,然后对紧致型小波神经网络进行训练和测试。仿真试验表明,该方法比普通BP神经网络方法训练速度更快,诊断准确率更高,容错能力强,非常适用于模拟电路故障诊断。 相似文献
18.
示功图特征值提取是在功图数据中挑选具有代表性的数据,经过计算处理得到最有效的特征值,作为故障诊断系统中神经网络的输入。而自组织竞争神经网络结构简单,可以通过自身训练,实现对油井故障的自动分类。该神经网络模型的训练速度快,而且诊断的准确性更高。该方法已在江苏油田的实际应用中取得了良好的效果。 相似文献
19.
20.
测后诊断速度和诊断精度是电视直流故障诊断性能的重要衡量指标。文中将神经网络的自学习和分类技术应用于电视电路直流故障诊断中,把反向传播BP网络训练成一个故障学习库.考虑到元件参数容差对诊断的影响,提出优选训练样本的具体方法。此外,为实现快速诊断,重新定义了BP网络输出误差函数,提出了可变步长的快速选择方法。通过仿真实验,证明这些措施的实施能实现快速准确诊断电视直流故障的功能。 相似文献