模糊RBF网络在电源车故障诊断中的应用

doi:10.3969/j.issn.1006-2475.2010.05.007

计算机与现代化 ›› 2010, Vol. 1 ›› Issue (5): 21-23.doi: 10.3969/j.issn.1006-2475.2010.05.007

模糊RBF网络在电源车故障诊断中的应用

陆兵焱¹，陈友龙²，张宗宜¹

1.海军航空工程学院青岛分院研究生队，山东青岛 266041; 2.海军航空工程学院青岛分院四站教研室，山东青岛 266041

收稿日期:2009-11-25 修回日期:1900-01-01 出版日期:2010-05-10 发布日期:2010-05-10

Fault Diagnosis of Power Vehicle with RBF Fuzzy Neural Network

LU Bing-yan¹, CHEN You-long², ZHANG Zong-yi¹

1. Graduate Brigade, Qingdao Branch, Naval Aeronautical and Astronautical University, Qingdao 266041, China;2. Four-station Staff Room, Qingdao Branch, Naval Aeronautical and Astronautical University, Qingdao 266041, China

Received:2009-11-25 Revised:1900-01-01 Online:2010-05-10 Published:2010-05-10

摘要/Abstract

摘要： 结合模糊理论与RBF神经网络构建了模糊RBF网络故障诊断法。在对某型电源车进行故障诊断的过程中，通过对RBF神经网络与模糊RBF网络故障诊断法进行比较，表明模糊RBF网络故障诊断法具有精度更高、收敛速度更快等特点。

关键词: 电源车, 模糊RBF网络, 故障诊断

Abstract: Combined with the fuzzy theory and the RBF neural network, this paper constructs the fault diagnostic method of fuzzy RBF network. In the process of the power vehicle fault diagnosis, through comparing the RBF neural network with the fuzzy RBF network, the result indicates that the fuzzy RBF network has the characteristics of higher precision and faster convergence speed etc.

Key words: power vehicle, fuzzy RBF network, fault diagnosis

中图分类号:

V351.31

陆兵焱;陈友龙;张宗宜. 模糊RBF网络在电源车故障诊断中的应用[J]. 计算机与现代化, 2010, 1(5): 21-23.

LU Bing-yan;CHEN You-long;ZHANG Zong-yi. Fault Diagnosis of Power Vehicle with RBF Fuzzy Neural Network[J]. Computer and Modernization, 2010, 1(5): 21-23.

[1]	王凯翔, 杨静, 杨文, 米红菊, 甘飞. 基于改进GSA算法的多能源移动电源车优化配置[J]. 计算机与现代化, 2023, 0(12): 105-111.
[2]	刘付琪, 张达, 宋建华, 王海东. 基于CNN-BiLSTM的液压系统故障诊断[J]. 计算机与现代化, 2023, 0(09): 10-19.
[3]	江蕾, 唐建, 杨超越, 吕婷婷. 基于CWGAN-GP与CNN的轴承故障诊断方法[J]. 计算机与现代化, 2023, 0(07): 1-6.
[4]	刘付琪, 张达. 基于PSO-DBN的液压系统冷却器故障诊断[J]. 计算机与现代化, 2023, 0(06): 7-14.
[5]	王磊, 张晓东, 戴欢. 基于1D-CNN-LSTM注意力网络的抽油机井故障诊断[J]. 计算机与现代化, 2023, 0(04): 1-6.
[6]	林凡勤, 李明明, 郭红. 变压器故障诊断技术综述[J]. 计算机与现代化, 2022, 0(03): 116-126.
[7]	谢民1，邵庆祝1，王同文1，邵尤慎2，王海港1，俞斌1. 省级电网智能变电站二次设备在线监视与故障诊断系统[J]. 计算机与现代化, 2019, 0(07): 65-.
[8]	张开延1,2，潘杨3，娄季朝4. 基于ANP-SVM算法的智能变电站过程层网络故障分类[J]. 计算机与现代化, 2019, 0(07): 72-.
[9]	邵新添，李志华，王震. 基于改进果蝇算法的模拟电路故障诊断[J]. 计算机与现代化, 2018, 0(01): 40-43.
[10]	韩珂，谢强，丁秋林. 基于改进径向基神经网络的船舶设备故障诊断方法[J]. 计算机与现代化, 2017, 0(6): 8-14+19.
[11]	田艳丰,刘石磊,井艳军,杨轶. 基于D-S证据融合的风力发电机组的故障预测[J]. 计算机与现代化, 2017, 0(10): 57-61,71.
[12]	丁伟聪，李志华，裴杰才. 基于覆盖算法的模拟电路故障诊断方法[J]. 计算机与现代化, 2017, 0(1): 36-40.
[13]	裴杰才，李志华，丁伟聪. 基于混合核函数PSO-SVM的模拟电路故障诊断[J]. 计算机与现代化, 2017, 0(1): 41-45+56.
[14]	陈未,崔江,唐军祥. 基于小波包能量谱和M-ary SVM的功率变换器故障诊断[J]. 计算机与现代化, 2016, 0(6): 44-48.
[15]	宋玉琴,李莹,段俊瑞. 基于RS与CPN的电力系统输电线路故障诊断[J]. 计算机与现代化, 2016, 0(11): 118-121.

模糊RBF网络在电源车故障诊断中的应用

Fault Diagnosis of Power Vehicle with RBF Fuzzy Neural Network

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价