基于超球体UKF径向基神经网络的抽油机故障诊断研究

• 作者: 刘松 李晓亮
• 来源期刊: 信息系统工程
• 关键词: 径向基神经网络 UKF滤波 超球体采样 动态建模
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 154
• 页数: 1页
• 字数: 905字
• 语种: 中文

摘要

针对抽油机运行过程中具有强耦合、多变量、参数时变等特征,传统神经网络难以建立准确有效的故障诊断模型,本文提出一种基于超球体无迹卡尔曼滤波的径向基神经网络算法(AUKF-RBF).算法利用UKF优化RBF神经网络隐含层到输出层权值、隐含层节点的中心及宽度,建立UKF-RBF故障诊断模型,利用超球体无迹变换构造简单、误差更小等优点,对每个集合成员进行无迹变换得到Sigma点集,缩短了故障诊断时间.将该方法应用到抽油机故障诊断中,实验结果表明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘松	重庆科技学院电气与信息工程学院	3	0	0.0	0.0
2	李晓亮	重庆科技学院电气与信息工程学院	2	0	0.0	0.0