基于LVQ网络的水电机组振动多故障诊断方法

被引：6

作者：

梁武科

彭文季

罗兴錡

机构：

[1] 西安理工大学水利水电学院

[2] 西安理工大学水利水电学院教授

[3] 西安市

[4] 博士生

[5] 教授博士生导师

来源：

农业机械学报 | 2007年 / 01期

关键词：

水电机组; 振动; 故障诊断; 学习矢量量化;

D O I：

暂无

中图分类号：

TV734 [机电设备];

学科分类号：

081504 ;

摘要：

提出了应用学习矢量量化神经网络诊断水电机组的多故障,可避免BP神经网络容易陷入局部最小与学习速度缓慢的问题。通过算例仿真检验,该网络能够有效地识别并分离出各种故障类型。

引用

页码：208 / 210

页数：3

共 9 条

[1] 含噪声的转子碰摩混沌信号分类识别 [J].

任辉 ;

顾家柳 ;

贺尔铭 ;

张志禹 .

航空动力学报, 2002, (04) :442-446

[2] 水轮发电机组振动故障诊断与识别 [J].

沈东 ;

褚福涛 ;

陈思 .

水动力学研究与进展(A辑), 2000, (01) :129-133

[3]

神经网络与应用[M]. 国防工业出版社 , 董长虹编著, 2005

[4]

神经网络理论与MATLAB 7实现[M]. 电子工业出版社 , 飞思科技产品研发中心编著, 2005

[5]

水电站机组及厂房振动的研究与治理[M]. 中国水利水电出版社 , 马震岳, 2004

[6]

MATLAB神经网络仿真与应用[M]. 科学出版社 , 闻新等编著, 2003

[7]

人工神经网络理论、设计及应用[M]. 化学工业出版社 , 韩力群编著, 2002

[8] Drill flank wear estimation using supervised vector quantization neural networks [J].

Abu-Mahfouz, I .

NEURAL COMPUTING & APPLICATIONS, 2005, 14 (03) :167-175

[9] Combined classifiers for invariant face recognition [J].

Tolba, AS ;

Abu-Rezq, AN .

PATTERN ANALYSIS AND APPLICATIONS, 2000, 3 (04) :289-302

← 1 →