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:
针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断.结果表明,用蚁群算法训练神经网络具有较高的故障诊断精庇,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量.
推荐文章
蚁群神经网络在齿轮箱故障诊断中的研究与应用
蚁群优化算法
神经网络
齿轮箱
故障诊断
粗糙集和蚁群神经网络应用于传感器节点故障诊断研究
传感器节点
故障诊断
粗糙集
蚁群
神经网络
蚁群算法在电机故障诊断中的应用
蚁群算法
神经网络
故障诊断
基于蚁群算法的电路故障诊断研究
蚁群算法
神经网络
故障诊断
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 基于蚁群优化神经网络的故障诊断
来源期刊 北京信息科技大学学报(自然科学版) 学科 工学
关键词 蚁群算法 BP神经网络 故障诊断
年,卷(期) 2010,(2) 所属期刊栏目
研究方向 页码范围 45-48
页数 分类号 TP206|TP301
字数 2744字 语种 中文
DOI 10.3969/j.issn.1674-6864.2010.02.010
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 赵义飞 北京信息科技大学机电系统测控北京市重点实验室 4 10 1.0 3.0
2 高锦宏 北京信息科技大学机电系统测控北京市重点实验室 11 37 4.0 6.0
3 刘亚平 北京信息科技大学智能机器人技术研究所 4 19 3.0 4.0
4 哈亮 北京信息科技大学机电系统测控北京市重点实验室 2 17 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (146)
参考文献  (5)
节点文献
引证文献  (9)
同被引文献  (40)
二级引证文献  (28)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(4)
  • 二级引证文献(0)
2013(4)
  • 引证文献(1)
  • 二级引证文献(3)
2014(11)
  • 引证文献(0)
  • 二级引证文献(11)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
研究主题发展历程
节点文献
蚁群算法
BP神经网络
故障诊断
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
北京信息科技大学学报(自然科学版)
双月刊
1674-6864
11-5866/N
大16开
北京市
1986
chi
出版文献量(篇)
2043
总下载数(次)
10
总被引数(次)
11074
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导