基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
受到电子信息设备状态信号分类能力的限制,致使传统识别方法在不同的环境下存在识别效率低的问题,为此提出RBF网络的船舶电子信息设备状态识别方法.首先按照电子信息设备的运行状态,设置特征参数的活动区间,以此作为设备状态的识别标准.利用RBF网络运行原理设计分类器,收集实时设备信号数据作为分类器的输入值.以分类器的输出结果为基础,提取电子信息设备信号特征,通过与设置的工作状态参数作匹配,实现船舶电子信息设备状态的识别.经过与传统设备状态识别方法的对比实验得出结论,设计识别方法在2种实验环境下,识别速度与识别精度均高于传统方法,即设计识别方法在识别效率方面具有明显优势.
推荐文章
基于KPCA和RBF网络的电子鼻气体识别
电子鼻
动态检测
核主成分分析(KPCA)
RBF神经网络
RBF神经网络在电气设备状态评估中的应用
输入样本
正交多项式
神经网络
状态评估
电子信息安全风险管理研究
电子信息
安全风险管理
信息科技
网络信息
电子信息装备维修保障能力的BP神经网络评估
BP神经网络
电子信息装备
维修保障能力
评估
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 RBF网络的船舶电子信息设备状态识别
来源期刊 舰船科学技术 学科
关键词 RBF网络 船舶设备 电子信息设备 运行状态识别
年,卷(期) 2020,(16) 所属期刊栏目 电子信息
研究方向 页码范围 148-150
页数 3页 分类号 TP273.5
字数 语种 中文
DOI 10.3404/j.issn.1672-7649.2020.8A.050
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (1)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(6)
  • 参考文献(0)
  • 二级参考文献(6)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(5)
  • 参考文献(0)
  • 二级参考文献(5)
2018(3)
  • 参考文献(2)
  • 二级参考文献(1)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
RBF网络
船舶设备
电子信息设备
运行状态识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
舰船科学技术
半月刊
1672-7649
11-1885/U
大16开
北京市朝阳区科荟路55号院
1979
chi
出版文献量(篇)
6974
总下载数(次)
20
总被引数(次)
26106
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导