| 基于EKF训练的RBF神经网络及其故障诊断应用 |
| |
| 引用本文： | 王璐,潘紫微,叶金杰. 基于EKF训练的RBF神经网络及其故障诊断应用[J]. 振动、测试与诊断, 2008, 28(4) |
| |
| 作者姓名： | 王璐 潘紫微 叶金杰 |
| |
| 作者单位： | 安徽工业大学机械工程学院,马鞍山,243002 |
| |
| 基金项目： | 安徽省教育厅自然科学基金重点资助项目 |
| |
| 摘 要： | 针对利用神经网络进行机械故障分类,以及网络权重的训练问题,依据系统辨识的理论,将RBF网络看作非线性系统。在机械故障分类中,可将RBF函数中心参数和网络权重的训练作为系统参数,进行故障辨识。在故障分类过程中,采用了在估计参数附近进行Taylor级数线性化,利用参数增广和统计动力学方法,构造线性状态空间方程,用扩展Kalman滤波算法(EKF)进行参数估计。RBF网络用典型的齿轮故障信息对其进行训练,并与传统的梯度下降法(Gradient Descent)相比较,结果表明,用Kalman算法训练RBF网络,不仅具有较好的精度,而且避免了传统算法存在的梯度消失,提高了网络的收敛速度。
|
| 关 键 词： | 机械故障诊断 RBF神经网络 扩展Kalman滤波算法 参数估计 |
Training Radial Basis Function Neural Networks with Extended Kalman Filter and Their Application to Mechanical Faults Diagnosis |
| |
| Wang Lu,Pan Ziwei,Ye Jinjie. Training Radial Basis Function Neural Networks with Extended Kalman Filter and Their Application to Mechanical Faults Diagnosis[J]. Journal of Vibration,Measurement & Diagnosis, 2008, 28(4) |
| |
| Authors: | Wang Lu Pan Ziwei Ye Jinjie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
