基于EKF训练的归一化RBF神经网络在旋转机械故障诊断中的应用
【作者】
张雷
;
胡彦红
;
陈巍巍
;
刘秋皊
;
林建中
;
张丽芳
【关键词】
径向基函数神经网络
旋转机械
梯度下降法
扩展卡尔曼滤波器
【摘要】在径向基函数(Radial Basis Function,RBF)神经网络成熟的基础上,对旋转机械的转子系统进行故障诊断,针对梯度下降法容易产生梯度消失的问题,提出用扩展卡尔曼滤波器(Extended Kalman Filter,EKF)对权重进行调节训练,并将结果与反向传播(Back Propagation,BP)算法和梯度下降调节进行比较,用EKF训练的RBF神经网络不仅在性能上有优势,在精度和迭代速度上亦优于其他方法.相信在今后的实际应用中尤其在旋转机械故障诊断中可以更大地发挥其优势.
上一篇:伺服液压缸静动态性能测试系统研究
下一篇:全矢谱技术在齿轮故障诊断中的应用