基于径向基神经网络的设备运行状态新信息加权预测模型研究

• 作者: 刘鑫 徐小力 王吉芳 费仁元
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 预测模型 神经网络 新信息加权 故障
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 分析与探讨
• 页码范围: 76-80
• 分类号: TP183|TP206
• 字数: 3587字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2011.4a.24

摘要

设备工作状态在线预测技术,是实现以先进的预知维护取代以时间为基础的预防性维护的关键技术,为了提高状态预测的精度,针对设备运行的状态随运行时间而发展变化的特点,提出基于改进的径向基神经网络的设备运行状态预测模型,并以烟气轮机运行数据对模型的有效性进行了验证.结果表明,改进的新信息加权径向基神经网络的训练速度快,预测结果稳定性及精度高,比BP网络及未改进的径向基神经网络的预测效果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	费仁元	北京工业大学机械工程与应用电子技术学院	178	2686	26.0	42.0
2	徐小力	北京信息科技大学机电系统测控北京市重点实验室	164	804	15.0	21.0
3	王吉芳	北京工业大学机械工程与应用电子技术学院	36	92	6.0	8.0
5	刘鑫	北京信息科技大学机电系统测控北京市重点实验室	8	18	4.0	4.0