基于KPCA和BPNN的模拟加载系统油压信号识别技术研究

• 作者: 梁升 段金辉 沈新民 王东 王新晴
• 来源期刊: 机械制造与自动化
• 学科: 工学
• 关键词: 工程机械 模拟加载 油压信号 核主元分析 BP神经网络
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 信息技术/Information Technology
• 页码范围: 103-106
• 页数: 4页
• 分类号: TP391.4
• 字数: 2070字
• 语种: 中文

摘要

为解决模拟加载系统油压信号的识别问题，提出了一种基于核主元分析( KPCA)特征提取和BP神经网络( BPNN)相结合的模式识别方法。该方法首先采用KPCA对原始样本数据进行特征提取，然后采用BPNN构造模式分类器，对工作装置6种不同工作状态信号进行识别。实验结果验证了该方法的有效性，为同类液压系统的信号特征分析及模式识别提供了参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王东	中国人民解放军理工大学野战工程学院	115	524	11.0	18.0
2	王新晴	中国人民解放军理工大学野战工程学院	9	29	3.0	5.0
3	沈新民	中国人民解放军理工大学野战工程学院	2	1	1.0	1.0
4	段金辉	中国人民解放军理工大学野战工程学院	6	28	2.0	5.0