基于在线学习RBF神经网络的故障预报

• 作者: 胡寿松 黄红梅
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 故障预报 RBF神经网络 在线学习算法 时变参数 非线性系统
• 年，卷（期）: 2007,（2）
• 页码范围: 249-252
• 页数: 4页
• 分类号: TP183
• 字数: 3494字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2615.2007.02.023

摘要

提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性;"剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡寿松	南京航空航天大学自动化学院	185	3001	28.0	46.0
2	黄红梅	南京航空航天大学自动化学院	8	7	1.0	2.0