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:
采用动量法和学习速率自适应的改进BP神经网络建立风机故障诊断系统.在网络训练过程中分别采用标准训练样本和含有白噪声的训练样本来训练网络,使网络具有一定的容错性.最后通过仿真实验和风机的故障诊断实例表明:改进的BP神经网络减少训练次数,提高了学习效率,而且有效地抑制网络陷于局部极小,是风机故障诊断的有效方法.
推荐文章
改进BP神经网络在齿轮故障诊断的应用
遗传算法
BP神经网络
故障诊断
样本训练
BP神经网络改进算法在核电设备故障诊断中的应用
核电设备
故障诊断
神经网络
改进BP算法
RBF和改进BP神经网络在水泵振动故障诊断中的应用比较
水泵机组
振动故障
改进BP神经网络
RBF神经网络
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 改进的BP神经网络在风机故障诊断中的应用
来源期刊 噪声与振动控制 学科 工学
关键词 振动与波 风机 故障诊断 改进的BP神经网络
年,卷(期) 2011,(2) 所属期刊栏目 信号处理与故障诊断
研究方向 页码范围 94-98
页数 分类号 TH44|TH165
字数 3991字 语种 中文
DOI 10.3969/j.issn.1006-1355-2011.02.023
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 纪国宜 南京航空航天大学振动工程研究所 22 254 7.0 15.0
2 米江 南京航空航天大学振动工程研究所 2 45 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (45)
参考文献  (5)
节点文献
引证文献  (35)
同被引文献  (102)
二级引证文献  (89)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(9)
  • 引证文献(5)
  • 二级引证文献(4)
2014(11)
  • 引证文献(3)
  • 二级引证文献(8)
2015(15)
  • 引证文献(4)
  • 二级引证文献(11)
2016(18)
  • 引证文献(6)
  • 二级引证文献(12)
2017(13)
  • 引证文献(3)
  • 二级引证文献(10)
2018(21)
  • 引证文献(3)
  • 二级引证文献(18)
2019(24)
  • 引证文献(5)
  • 二级引证文献(19)
2020(10)
  • 引证文献(3)
  • 二级引证文献(7)
研究主题发展历程
节点文献
振动与波
风机
故障诊断
改进的BP神经网络
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
噪声与振动控制
双月刊
1006-1355
31-1346/TB
大16开
上海市华山路1954号上海交通大学
4-672
1981
chi
出版文献量(篇)
4977
总下载数(次)
4
总被引数(次)
36734
论文1v1指导