您的位置: 专家智库 > >

浙江省教育厅科研计划项目(JK20020316)

作品数:2 被引量:26H指数:1
相关作者:李增芳何勇宋海燕陶雪梅更多>>
相关机构:浙江大学更多>>
发文基金:浙江省自然科学基金浙江省教育厅科研计划高等学校优秀青年教师教学科研奖励计划更多>>
相关领域:自动化与计算机技术动力工程及工程热物理更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇动力工程及工...
  • 2篇自动化与计算...

主题

  • 2篇神经网
  • 2篇神经网络
  • 1篇数据融合
  • 1篇主成分
  • 1篇主成分分析
  • 1篇组合式神经网...
  • 1篇网络
  • 1篇集成神经网络
  • 1篇故障诊断
  • 1篇发动机
  • 1篇发动机故障
  • 1篇发动机故障诊...
  • 1篇柴油
  • 1篇柴油机

机构

  • 2篇浙江大学

作者

  • 2篇何勇
  • 2篇李增芳
  • 1篇陶雪梅
  • 1篇宋海燕

传媒

  • 1篇农业工程学报
  • 1篇浙江大学学报...

年份

  • 1篇2006
  • 1篇2005
2 条 记 录,以下是 1-2
排序方式:
基于主成分分析和集成神经网络的发动机故障诊断模型研究被引量:26
2006年
针对发动机废气排放参数和故障之间复杂的非线性关系,提出了一种基于主成分分析和集成神经网络技术的发动机故障诊断分析模型。该模型首先运用主成分分析方法降低故障诊断样本的输入维数,然后按发动机不同运转状态将样本分组,并用于子网络训练;故障诊断时,各子网络分别诊断出相应的结果,最后采用投票法融合各输出结果。试验结果表明,这种模型能有效简化训练样本和样本属性参数,优化网络结构,其诊断精度及学习能力优于单一神经网络诊断模型,能较好地解决网络规模大、训练速度慢、诊断精度低等缺点。
李增芳何勇宋海燕
关键词:发动机故障诊断集成神经网络主成分分析数据融合
基于组合式神经网络的柴油机性能评估预测模型
2005年
在分析发动机结构参数和运转参数对发动机性能影响的基础上,提出了一种基于组合式神经网络的柴油机性能状态评估预测模型.该模型首先运用动态聚类法将大样本分成若干小组,然后分别用于子网络训练.性能评估时,运用模糊识别法选择相关的子网络进行评估分析.实例验证表明,这种模型能有效解决大样本下神经网络训练速度慢和难以收敛的问题,提高柴油机性能评估预测精度.
李增芳陶雪梅何勇
关键词:柴油机神经网络
共1页<1>
聚类工具0