《基于RBF与OS-ELM神经网络的AUV传感器在线故障诊断》PDF+DOC
作者:段杰,李辉,陈自立,龚时华,赵朝闻
单位:中国船舶重工集团公司第七0五研究所
出版:《水下无人系统学报》2018年第02期
页数:10页 (PDF与DOC格式可能不同)
PDF编号:PDFYLJS2018020100
DOC编号:DOCYLJS2018020109
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
《基于两级神经网络的传感器在线故障诊断技术研究》PDF+DOC2008年第10期 许晖,焦留芳,韩西宁
《基于RBF神经网络的传感器静态误差综合校正方法》PDF+DOC2004年第04期 侯立群,仝卫国,何同祥
《优化RBF神经网络在压力传感器中的应用》PDF+DOC2012年第03期 彭继慎,程英
《基于RBF时间序列预测器的传感器故障诊断方法研究》PDF+DOC2010年第05期 曹正洪,沈继红
《用RBF神经网络改善传感器输出特性》PDF+DOC2008年第28期 史健芳,龚海燕,汤洪彪
《基于神经网络的控制系统在线故障诊断技术研究》PDF+DOC2008年第11期 许晖,焦留芳,韩西宁
《基于神经网络预测器的传感器故障诊断》PDF+DOC2006年第05期 苏春,王丰,段润保
《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,王化冰
《基于遗传RBF神经网络的无线传感器网络流量预测方法》PDF+DOC2013年第01期 杨治秋
传感器是自主式水下航行器(AUV)的重要组成部分,实时准确地对AUV传感器进行在线故障诊断,对提高AUV的安全性具有重要意义。文中通过对机器学习算法的分析,建立了基于径向基函数(RBF)神经网络的AUV传感器预测器,该预测器具有较高的实时性和准确性;在此基础上,首次将在线贯序学习机(OS-ELM)算法应用于传感器在线故障诊断,进一步提高了预测器的实时性和准确性。文中还利用某AUV传感器实航数据,分别对2种故障诊断模型进行了仿真和对比分析,结果表明,结合RBF神经网络算法的OS-ELM神经网络预测器,其预测精度和实时性较RBF神经网络预测器更高,而且性能更稳定,可为AUV控制系统各传感器在线故障诊断方案设计提供参考。
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。