基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

• 作者: 李生林 税爱社 陈扶明 陈芬兰
• 来源期刊: 后勤工程学院学报
• 学科: 工学
• 关键词: 主成分分析 RBF神经网络 管道堵塞 故障诊断
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 信息技术与管理工程
• 页码范围: 91-96
• 页数: 6页
• 分类号: TP206+.3
• 字数: 2578字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7843.2014.03.017

摘要

针对现代储运过程管道堵塞故障诊断时，提取的过程参数多导致诊断速度慢、性能差等问题，提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取，提取的故障特征信息作为训练集，并给出故障特征信息的分类号；然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断，不仅大幅度地降低了诊断模型的训练时间，而且提高了诊断正确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李生林	后勤工程学院后勤信息与军事物流工程系	30	135	7.0	10.0
2	税爱社	后勤工程学院后勤信息与军事物流工程系	43	206	9.0	10.0
3	陈扶明	后勤工程学院后勤信息与军事物流工程系	5	23	2.0	4.0
4	陈芬兰		1	2	1.0	1.0