您的位置: 专家智库 > >

湖南省教育厅科研基金(09C075)

作品数:2 被引量:19H指数:2
相关作者:贺湘宇何清华蒋苹何志勇更多>>
相关机构:中南大学长沙理工大学更多>>
发文基金:湖南省教育厅科研基金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇液压
  • 2篇液压系统
  • 2篇神经网
  • 2篇神经网络
  • 2篇网络
  • 2篇回归神经网络
  • 2篇工程机
  • 2篇工程机械
  • 2篇故障诊断
  • 2篇广义回归神经...
  • 1篇挖掘机
  • 1篇挖掘机液压系...
  • 1篇网络模型
  • 1篇机械液压
  • 1篇工程机械液压
  • 1篇故障检测

机构

  • 2篇长沙理工大学
  • 2篇中南大学

作者

  • 2篇何清华
  • 2篇贺湘宇
  • 1篇何志勇
  • 1篇蒋苹

传媒

  • 1篇中南大学学报...
  • 1篇中国工程机械...

年份

  • 2篇2010
2 条 记 录,以下是 1-2
排序方式:
基于多网络模型的工程机械液压系统故障诊断研究被引量:14
2010年
提出一种针对工程机械液压系统的多网络模型的故障诊断方法。该网络模型以广义回归神经网络(General regression neural network,GRNN)为基础,引入全局递归的反馈机制,构建动态GRNN模型。该方法首先为多个目标故障建立同等数量的动态GRNN目标故障模型,计算每个目标故障模型的检测阈值;然后,将测试故障样本代入每个目标故障模型中,当其残差平方和在对应阈值范围内即可确定故障类型。实验结果表明:多网络模型的故障诊断方法准确地诊断出95%以上的系统故障。
贺湘宇何清华
关键词:液压系统工程机械故障诊断广义回归神经网络
基于动态GRNN模型的挖掘机液压系统故障检测被引量:5
2010年
提出了一种针对工程机械液压系统的动态广义回归神经网络(GRNN)模型的故障诊断方法.动态GRNN模型是一种全局递归的动态模型,具有很强非线性收敛能力.首先建立系统正常状态故障建立动态GRNN模型;计算动态GRNN模型的检测阈值;然后将测试故障样本带入动态GRNN模型当中,其残差平方和在对应阈值范围内即可判定故障.通过实验分析,基于动态GRNN模型的故障检测方法准确地诊断出了90%以上的系统故障,实验结果表明,这一方法能够有效地应用于挖掘机液压系统的故障诊断.
贺湘宇何清华蒋苹何志勇
关键词:液压系统工程机械故障诊断广义回归神经网络
共1页<1>
聚类工具0