《基于主元分析和集成神经网络的瓦斯传感器故障诊断》PDF+DOC
作者:杨真,邓芳明,郝勇,徐长英,王宏,吴翔
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2016年第09期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2016090100
DOC编号:DOCCGQJ2016090109
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于小波神经网络技术的井下瓦斯传感器故障诊断分析》PDF+DOC2016年第05期 邵俊倩
《基于HPSO-RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第03期 王婷,李国勇,吕世轩
《基于小波包和RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第02期 单亚峰,孙璐,付华,訾海
《基于PCA神经网络和D-S决策的瓦斯传感器故障辨识》PDF+DOC2015年第03期 黄丹,徐平安,王其军,任玉东,严彬
《基于贝叶斯网络的催化燃烧式瓦斯传感器故障诊断》PDF+DOC2020年第05期 张新建,张玉芝,李贤功
《基于小波包和神经网络的瓦斯传感器故障诊断》PDF+DOC2010年第05期 赵金宪,金鸿章
《基于小波包分形的瓦斯传感器故障诊断方法》PDF+DOC2016年第11期 陈宏,邓芳明,吴翔,付智辉
《基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断》PDF+DOC2011年第05期 王军号,孟祥瑞,吴宏伟
《基于SVR的瓦斯传感器故障诊断方法》PDF+DOC2009年第02期 付华,杨欣,高婷
《瓦斯传感器故障诊断的灰色预测模型研究》PDF+DOC2013年第13期 张涛,牛金星
针对瓦斯传感器常见突发型故障,提出一种基于主元分析(PCA)和权重提升(WB)算法训练人工神经网络集成的瓦斯传感器故障诊断方法。利用PCA方法提取故障特征,得到的特征向量作为神经网络的训练样本;利用WB算法依次训练多个神经网络分类器;由集成神经网络得到待测样本的故障诊断结果。仿真实验表明:该方法对测试样本的识别正确率在98.5%以上,能够显著提高瓦斯传感器故障诊断的诊断精度和泛化能力。
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。