基于改进人工神经网络的航天器电信号分类方法

• 作者: 孙毅 宋世民 李可 王全鑫 王浚
• 来源期刊: 北京航空航天大学学报
• 学科: 航空航天
• 关键词: 故障诊断 人工神经网络 模式识别 自动编码 电信号 梯度下降法
• 年，卷（期）: 2016,（3）
• 页码范围: 596-601
• 页数: 6页
• 分类号: V557.1
• 字数: 2730字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2015.0186

摘要

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识.考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化.实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浚	北京航空航天大学航空科学与工程学院	150	887	15.0	22.0
2	李可	北京航空航天大学航空科学与工程学院	15	109	5.0	10.0
3	宋世民		6	29	4.0	5.0
4	孙毅		8	21	2.0	4.0
5	王全鑫	北京航空航天大学航空科学与工程学院	1	11	1.0	1.0