基于在线学习神经网络的状态依赖型故障预测

• 作者: 周东华 徐贵斌
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 故障估计 故障预测 状态依赖型故障 神经网络
• 年，卷（期）: 2010,（7）
• 页码范围: 1251-1254,1320
• 页数: 5页
• 分类号: TP277
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2010.07.003

摘要

提出外部激励故障和内部激励故障的概念,研究非线性系统状态依赖型故障的预测问题.将非线性系统的故障模型描述成外部激励与内部激励相耦合的一般非线性函数形式,函数的结构未知.通过反向传播(BP)神经网络在线学习故障函数模型实时逼近故障模型,提出基于在线神经网络的状态依赖型故障的预测算法.该算法能够实时地检测故障,对系统状态和故障进行迭代估计和预测.利用系统状态的预测值实时预测了系统的失效时间.故障模型的一般化拓展充分体现了系统状态对故障的影响,增强了算法的实用性.仿真结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周东华		152	2966	27.0	50.0
2	徐贵斌		4	0	0.0	0.0