基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在自动聚类分析的基础上,根据某汽轮机减速箱运行状态的特征数据,采用Kohonen网络方法,随机选取该汽轮机减速箱运行状态的几组特征数据进行训练.结果竞争层有三个神经元获胜,即该机械的运行状态被分为三类.训练好的网络再对其余几组特征数据进行识别.根据识别结果可以确定该机械的运行状态,结果与选用其它方法所确定的结果一致.因此,Kohonen网络方法可应用于模式识别.从而该方法能实现对汽轮机减速箱运行状态的监控.
推荐文章
机械故障模式识别的ICA基神经网络方法
独立分量分析
残余互信息
多层感知器
径向基函数网络
自组织映射
特征矩阵联合近似对角化
基于无监督神经网络的故障模式识别
无监督神经网络
模式识别
故障诊断
基于矢功率谱-AIS的旋转机械故障识别方法研究
矢功率谱
人工免疫系统
支持向量机
故障识别
基于Kohonen网络的同杆双回线故障模式识别方法
Kohonen神经网络
同杆双回线
模式识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Kohonen网络的减速箱机械故障模式识别
来源期刊 系统仿真学报 学科 工学
关键词 Kohonen网络 模式识别 机械故障
年,卷(期) 2002,(8) 所属期刊栏目 仿真技术应用
研究方向 页码范围 1070-1072
页数 3页 分类号 TK263.71
字数 1705字 语种 中文
DOI 10.3969/j.issn.1004-731X.2002.08.028
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 颜荣庆 长沙交通学院汽车与机电工程系 12 51 4.0 7.0
2 申燚 长沙交通学院汽车与机电工程系 2 3 1.0 1.0
3 李万莉 长沙交通学院汽车与机电工程系 6 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (8)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Kohonen网络
模式识别
机械故障
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
论文1v1指导