论文部分内容阅读
神经网络及在机械故障诊断中的应用
【机 构】
：
东南大学
【出 处】
：
中国电子学会第二届全国神经网络-信号处理学术会议
【发表日期】
：
1991年期
其他文献
该文提出了一种增强型ＬＶＱ（Ｌｅａｒｎｉｎｇ Ｖｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ）故障分类器模型。通过攻丝过程故障识别的试验表明，这种分类器具有较高的命中率。该项目得到跨世纪人才基金资助。
该文采用了神经网络技术，构造了模拟与优化网络，对谷氨酸工业生产过程进行了模拟与优化。在模拟网络中引入了数据过滤与压缩技术，有效地消除了工业数据的噪音。在优化网络中设立
根据ＢＦＧＳ变尺度法思想，提出了以信息熵为代价函数的多层前馈神经网络分层优化学习算法，加快了收敛速度，抑制了误差振荡，在实际故障诊断中具有良好的诊断能力。
该文利用前馈网络中的ＢＰ三层网络和ＲＢＦ（径向基函数）网络及反馈网络中的Ｅｌｍａｎ网络进行证券市场中的股份预测，实验研究结果显示反馈网络比前馈网络的预测能力好。
本文从企业的利益诉求出发,结合项目教学法,强调项目学习法在企业英语培训中的可行性与必要性。期望企业员工通过对具体项目的学习做到对英语基础知识的应用与巩固。
在简单介绍人工神经网络的基础性能和ＢＰ网络模型及算法的基础上，将神经网络和模式识别相结合，研究了通过识别抽油机示功图诊断抽油机故障的方法，并建立了抽油机井智能故障诊断系统
该文阐述了人工神经晨线性时间序列预测的可行性，利用ＢＰ网络建立旋转机械设备运行状态预测模型。通过预测实例可以看出，利用神经网络方法对设备运行状态进行预测是切实可行的，具有