模糊神经网络集成在液压故障诊断中的应用

被引：2

作者：

聂光玮

齐一挥

机构：

[1] 北京机械设备研究所

来源：

关键词：

故障诊断; Bagging算法; 神经网络集成; FNN; 机器学习;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP277 [监视、报警、故障诊断系统];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0804 ; 080401 ; 080402 ;

摘要：

阐述了神经网络集成的基本概念及其在液压故障诊断中应用时的个体网络生成方法和结论结合方法。根据液压系统的工作特点,采用Gauss随机函数作为个体网络的训练样本的随机采集函数,使个体神经网络的输出集中于各工作阶段的主要故障,并保持了个体网络之间的差异性,增强了网络集成的泛化能力。

引用

页码：45 / 49+79 +79

页数：6

共 8 条

[1] 并行学习神经网络集成方法 [J].

王正群 ;

陈世福 ;

陈兆乾 .

[2] 神经网络集成 [J].

周志华 ;

陈世福 .

[3]

An Empirical Comparison of Voting Classification Algorithms: Bagging, Boosting, and Variants[J] . Eric Bauer,Ron Kohavi.Machine Learning . 1999 (1-2)

[4]

Arcing Classifiers[J] . Leo Breiman.The Annals of Statistics . 1998 (3)

Freund, Y ;

Schapire, RE .

[6]

Analytical and Qualitative Model-based Fault Diagnosis – A Survey and Some New Results[J] . P.M. Frank.European Journal of Control . 1996 (1)

[7] Bagging predictors [J].

Breiman, L .

[8] THE STRENGTH OF WEAK LEARNABILITY [J].

SCHAPIRE, RE .