人工神经网络故障诊断系统可靠性和聚类能力的分析

何明; 周莹清; 叶文勇; 黄伟

###

DOI:

上海电力大学学报:2001,17(4):37-42

查看/发表评论过刊浏览高级检索 HTML

←前一篇 | 后一篇→

码上扫一扫！

下载全文

人工神经网络故障诊断系统可靠性和聚类能力的分析

何明¹, 周莹清², 叶文勇³, 黄伟⁴

(1.江西南昌体育电子设备研究所, 南昌 330006;2.上海灿坤有限公司, 上海 200001;3.广州黄浦电厂, 广州 510730;4.上海电力学院, 上海 200090)

Analysis of Reliability and Assembility of Artificial Neural Network Fault Diagnosis System

HE Ming¹, ZHOU Ying qing², YE Wen yong³, HUANG Wei⁴

(1.Jiangxi Nanchang Physical Electron Equipment Institute, Jiangxi Nanchang 330006, China;2.Shanghai Cankun Limit Company, Shanghai 200001, China;3.GuangzhouHuangpu Power Plant, Guanghou 510730, China;4.Shanghai University of Electric Power, Shanghai 200090, China)

摘要

图/表

参考文献

本刊相似文献

All Journals 相似文献

All Journals 引证文献

本文已被：浏览 1055次下载 522次
投稿时间：1999-09-14

中文摘要: 介绍了将人工神经网络自组织特征映射模型———KOHONEN网络运用到电厂送风机故障诊断的思路和方法,并进一步讨论了影响诊断系统可靠性和聚类能力的主要因素,如隶属度函数和模型中参数的设置等,分析结果表明:该诊断系统具有很高的可靠性和较强的聚类能力

中文关键词: 故障诊断人工神经网络聚类能力

Abstract:This paper introduces a method, using the KOHONEN self-organization reflection model of the artificial neural network system, to diagnose the faults of feed fans in the power plants, and also analyzes the primary factors that affect the reliability and assembility of the fault diagnosis system.The result shows that the diagnosis system has a high reliability and strong assembility.

keywords: fault diagnosis artificial neural network assembility

文章编号：20010408 中图分类号： 文献标志码：

基金项目:

作者	单位
何明	江西南昌体育电子设备研究所, 南昌 330006
周莹清	上海灿坤有限公司, 上海 200001
叶文勇	广州黄浦电厂, 广州 510730
黄伟	上海电力学院, 上海 200090

Author Name	Affiliation
HE Ming	Jiangxi Nanchang Physical Electron Equipment Institute, Jiangxi Nanchang 330006, China
ZHOU Ying qing	Shanghai Cankun Limit Company, Shanghai 200001, China
YE Wen yong	GuangzhouHuangpu Power Plant, Guanghou 510730, China
HUANG Wei	Shanghai University of Electric Power, Shanghai 200090, China

引用文本：
何明,周莹清,叶文勇,等.人工神经网络故障诊断系统可靠性和聚类能力的分析[J].上海电力大学学报,2001,17(4):37-42.
HE Ming,ZHOU Ying qing,YE Wen yong,et al.Analysis of Reliability and Assembility of Artificial Neural Network Fault Diagnosis System[J].Journal of Shanghai University of Electric Power,2001,17(4):37-42.