期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用
被引量：
9
1
作者
司风琪
李欢欢
徐治皋
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第3期574-578,共5页
针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因...
针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小了残差污染,提高了故障诊断的准确性和可靠性.以某300 MW机组1#高加测点为对象进行算例分析,验证了该方法对于多传感器故障诊断的可行性和准确性,计算和模拟表明,RITNN方法优于线性PCA和传统ITNN方法,能够更加准确进行多传感器故障的检测和故障数据的重构.
展开更多
关键词
鲁棒输入训练神经网络
故障诊断
多传感器
影响因子
可靠性系数
下载PDF
职称材料
基于混合型鲁棒输入训练神经网络的非线性数据校正方法及其应用
被引量：
1
2
作者
任少君
司风琪
+1 位作者
李欢欢
徐治皋
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第2期322-327,共6页
提出了一种基于混合型鲁棒输入训练神经网络的非线性数据校正模型,在基于过程数据的神经网络模型中引入了反映过程机理的约束方程.根据所提模型的网络结构,采用罚函数法将约束方程加入到网络训练目标函数中,并采用BP算法推导出该网络的...
提出了一种基于混合型鲁棒输入训练神经网络的非线性数据校正模型,在基于过程数据的神经网络模型中引入了反映过程机理的约束方程.根据所提模型的网络结构,采用罚函数法将约束方程加入到网络训练目标函数中,并采用BP算法推导出该网络的学习方法,进而给出了基于该方法的数据校正流程.分别以一个五维非线性系统和某1 000 MW机组1#高加测点为对象进行算例分析,结果表明:所提出的模型能正确检验出测量数据中的不良值,具有良好的鲁棒性;在完成数据校正的同时还能保证重构数据满足相应的系统机理约束条件;在多测点同时发生故障时,也能保证数据校正的准确性和可靠性.
展开更多
关键词
混合型鲁棒输入训练神经网络
故障诊断
机理约束
罚函数
数据校正
下载PDF
职称材料
题名
基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用
被引量：
9
1
作者
司风琪
李欢欢
徐治皋
机构
东南大学能源与环境学院
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第3期574-578,共5页
基金
东南大学科技基金资助项目(9203000024)
文摘
针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小了残差污染,提高了故障诊断的准确性和可靠性.以某300 MW机组1#高加测点为对象进行算例分析,验证了该方法对于多传感器故障诊断的可行性和准确性,计算和模拟表明,RITNN方法优于线性PCA和传统ITNN方法,能够更加准确进行多传感器故障的检测和故障数据的重构.
关键词
鲁棒输入训练神经网络
故障诊断
多传感器
影响因子
可靠性系数
Keywords
robust
input
-
training
neural
network
fault
diagnosis
multi-sensor
influence
factor
reliability
coefficient
分类号
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于混合型鲁棒输入训练神经网络的非线性数据校正方法及其应用
被引量：
1
2
作者
任少君
司风琪
李欢欢
徐治皋
机构
东南大学能源热转换及其过程测控教育部重点实验室
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013年第2期322-327,共6页
基金
国家自然科学基金资助项目(51176030)
文摘
提出了一种基于混合型鲁棒输入训练神经网络的非线性数据校正模型,在基于过程数据的神经网络模型中引入了反映过程机理的约束方程.根据所提模型的网络结构,采用罚函数法将约束方程加入到网络训练目标函数中,并采用BP算法推导出该网络的学习方法,进而给出了基于该方法的数据校正流程.分别以一个五维非线性系统和某1 000 MW机组1#高加测点为对象进行算例分析,结果表明:所提出的模型能正确检验出测量数据中的不良值,具有良好的鲁棒性;在完成数据校正的同时还能保证重构数据满足相应的系统机理约束条件;在多测点同时发生故障时,也能保证数据校正的准确性和可靠性.
关键词
混合型鲁棒输入训练神经网络
故障诊断
机理约束
罚函数
数据校正
Keywords
hybrid
robust
input
-
training
neural
network
fault
diagnosis
mechanism
constraints
penalty
function
data
correction
分类号
TP206.3 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用
司风琪
李欢欢
徐治皋
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011
9
下载PDF
职称材料
2
基于混合型鲁棒输入训练神经网络的非线性数据校正方法及其应用
任少君
司风琪
李欢欢
徐治皋
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2013
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
