《基于RBF神经网络的控制系统传感器故障诊断方法》PDF+DOC
作者:彭继慎,董晶
单位:陕西电子杂志社;陕西省电子技术研究所
出版:《》
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFXDDJ2009120600
DOC编号:DOCXDDJ2009120609
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RBF神经网络和定性趋势分析的传感器故障诊断》PDF+DOC2011年第04期 张洪萍,税爱社,谢敏,沈鑫
《控制系统传感器故障的检测与诊断研究》PDF+DOC2001年第04期 房方,孙万云,牛玉广
《基于多级RBF神经网络集成的传感器故障诊断研究》PDF+DOC2010年第04期 李明,税爱社,宋政辉,李林,李智宇
《基于RBF神经网络的水下机器人传感器状态监测方法研究》PDF+DOC2005年第06期 张铭钧,孙瑞琛,王玉甲
《模型数据相结合的电液伺服系统传感器早期故障检测与辨识》PDF+DOC2020年第07期 徐巧宁,杜学文,艾青林,刘毅
《基于神经网络观测器组的传感故障诊断仿真》PDF+DOC2001年第04期 房方,魏乐,孙万云,牛玉广
《基于RBF神经网络的汽车传感器故障诊断方法研究》PDF+DOC2011年第05期 李涵武,赵玉春,迟秋玲
《基于RBF神经网络的温度传感器故障诊断》PDF+DOC2010年第02期 邵向潮,何永强,蔡鹃,谢宏
《RBF神经网络在传感器故障诊断中的应用研究》PDF+DOC2008年第09期 韩逸飞,何琳
《RBF神经网络在传感器故障诊断中的应用研究》PDF+DOC2006年第05期 翟卫青,赵志敏
针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型。通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障。仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。