1、的处理后,每个神经元移向造成系统瘫痪失效,人们期望建立套检测预警机制来防止故障的发生和发展。因此,机械设备的故障检测技术得到了很大程度的发展。尤其是以非线性并行分布处理为主流的神经网络理论的发展,为机械设备故障检测技术的研究提供了新的途径。本文介绍基于神经网络方法用工具实现设备状态分类,确定减速机在。其中,表示输入层第个神经元和第个神经元之间的连接权值,为竞争层神经元的数目,竞争层的输出向量竞争层与输出层神经元之间的连接权值矩阵为竞争层的每个神经元通过学习原型向量,并对输入空间进行分类。将竞争层学习得到的类称为子类,将输用网络进行机械状态检测的研究原稿。关键词神经网络状态分类中图分类号文献标识码文章编号近年来,随着计算机技术模糊和人工智能技术的发展,使得。
2、入特征向量的分量数表示输出状态类别总数。竞争层神经元个数取。通过对网络进行训练,学习速率取,学习函数为。网络训练函数为,训练次数,可见网络对输入向量进行了成功的分类。从实际应用结果可以看出,基于的神经网络检测机械设备工作状态效果比较理想,证明网络模型的模式识别分类方法是可行的。对更精确更多影响因素的检测机械设备工作状态有广泛的应用和严重故障状态,分别对应类别和。下转第页上接第页表样本数据表样本序号样本输入特征数据类别表测试数据样本序号状态数据类别网络结构,表示网络输入特征向量的分量数表示输出状态类别总数。竞争层神经元个数取。通过对网络进行训练,学习速率取,学习函数为。网络训练函数为景。参考文献飞思科技产品研发中心神经网络理论与实现北京电子工业出版社,董长虹。
3、经网络与应用北京国防工业出版社机械工业出版社,朱大奇,史慧人工神经网络原理及应用北京科如果分类正确,即若,则获胜的隐含神经元将沿着的方向移动,按照下式修正竞争层权值向量η如果分类不正确,即若,而时,表示的隐含层神经元竞争获胜,则移动该神经元的权值远离,修改竞争层权值向量η经过这样的处理后,每个神经元移向法,用于检测机械设备减速机的工作状态。这里将减速机状态分为正常状态轻微故障状态和严重故障状态类。通常把第层的每个神经元指定给个输出神经元,这样就可以定义矩阵。的列表示子类,行表示类。的每列仅有个出现的行,表明这个子类属于该行表示的类,即,有且仅有∈,如果∈,旦定义好就不再思科技产品研发中心神经网络理论与实现北京电子工业出版社,董长虹神经网络与应用北京国防工业。
4、对网络进行仿真,检验网络是否对训练数据中的输入向量进行了正确的分类。,输出结果为,可见网络的分类正确。用测试样本数据对网络进行交叉检验,规则使改变来进行的,即在每次迭代过程中,将个输入向量提供给网络,并且通过竞争层计算每个原型向量与之间的距离,与的距离最近的神经元获得竞争胜利,输出的第个元素设定为,通过下式计算得到输出向量的值假定其序号为,就表明是指定给类的。摘要利用神经网络的原理和方分类信息转换为使用者所定义的期望类别。通常将竞争层学习得到的类称为子类,经线性层的类称为期望类别。算法是在有教师状态下对竞争层进行训练的种学习算法,它是从竞争算法演化而来的。神经网络在模式识别有着广泛的应用。运用网络进行机械状态检测的研究原稿。如果分类正确,峻,郑君里人工神经。
5、样本序号样本输入特征数据类别表测试数据样本序号状态数据类别网络结构,表示网络输入特征向量的分量数表示输出状态类别总数。竞争层神经元个数取。通过对网络进行训练,学习速率取,学习函数为。网络训练函数为,训练次数向那些落入形成子类的类中的向量,而远离那么落入其他类中的向量。网络对减速机工作状态模型影响减速机正常工作的参数有很多,这里选择个因素作为特征数据作为检测减速机的工作状态的主要因素,选择组状态样本数据作为训练数据,如表是样本数据,组样本数据为测试数据,如表。减速机的工作状态为正常状态轻微故障状态若,则获胜的隐含神经元将沿着的方向移动,按照下式修正竞争层权值向量η如果分类不正确,即若,而时,表示的隐含层神经元竞争获胜,则移动该神经元的权值远离,修改竞争层权值。
6、个数取。通过对网络进行训练,学习速率取,学习函数为。网络训练函数为,训练次数出层学习得到的类称为目标类。运用网络进行机械状态检测的研究原稿。关键词神经网络状态分类中图分类号文献标识码文章编号近年来,随着计算机技术模糊和人工智能技术的发展,使得系统的规模和复杂程度增加,设备的安全性和可靠性问题越来越突出,系统中出现的小故障可能套检测预警机制来防止故障的发生和发展。因此,机械设备的故障检测技术得到了很大程度的发展。尤其是以非线性并行分布处理为主流的神经网络理论的发展,为机械设备故障检测技术的研究提供了新的途径。本文介绍基于神经网络方法用工具实现设备状态分类,确定减速机在实际运行中的工作状态。功能类似,用于对输入向量进行分类线性层将竞争层传递过来的分类信息转换。
7、使用者所定义的期望类别。通常将竞争层学习得到的类称为子类,经线性层的类称为期望类别。算法是在有教师状态下对竞争层进行训练的种学习算法,它是从竞争算法演化而来的。神经网络在模式识别有着广泛的应用。运景。参考文献飞思科技产品研发中心神经网络理论与实现北京电子工业出版社,董长虹神经网络与应用北京国防工业出版社机械工业出版社,朱大奇,史慧人工神经网络原理及应用北京科,训练次数选择为次,但经过次训练后,网络误差达到要求。用仿真函数对网络进行仿真,检验网络是否对训练数据中的输入向量进行了正确的分类。,输出结果为,可见网络的分类正确。用测试样本数据对网络进行交叉检验。其中,表示输入层第个神经元和第个神经元之间的连接权值,为竞争层神经元的数目,竞争层的输出向量竞争层与输出。
8、向量η经过这样的处理后,每个神经元移向那些落入形成子类运用网络进行机械状态检测的研究原稿选择为次,但经过次训练后,网络误差达到要求。用仿真函数对网络进行仿真,检验网络是否对训练数据中的输入向量进行了正确的分类。,输出结果为,可见网络的分类正确。用测试样本数据对网络进行交叉检验,实际运行中的工作状态。神经网络简介神经网络结构。学习矢量量化的英文全称是,简称为。是层网络结构,第层为输入层,第层为竞争层,第层为线性层。竞争层和网络的竞争层功能类似,用于对输入向量进行分类线性层将竞争层传递过来的别对应类别和。下转第页上接第页表样本数据表样本序号样本输入特征数据类别表测试数据样本序号状态数据类别网络结构,表示网络输入特征向量的分量数表示输出状态类别总数。竞争层神经。
9、络与盲信号处理北京清华大学出版社,。通常把第层的每个神经元指定给个输出神经元,这样就可以定义矩阵。的列表示子类,行表示类。的每列仅有个出现的行,表明这个子类属于该行表示的类,即,有且仅有∈,如果∈,旦定义好就不再改变,神经网络的学习是通过改进的景。参考文献飞思科技产品研发中心神经网络理论与实现北京电子工业出版社,董长虹神经网络与应用北京国防工业出版社机械工业出版社,朱大奇,史慧人工神经网络原理及应用北京科可见网络对输入向量进行了成功的分类。从实际应用结果可以看出,基于的神经网络检测机械设备工作状态效果比较理想,证明网络模型的模式识别分类方法是可行的。对更精确更多影响因素的检测机械设备工作状态有广泛的应用前景。参考文献别对应类别和。下转第页上接第页表样本数据。
10、试样本数据对网络进行交叉检验,的类中的向量,而远离那么落入其他类中的向量。网络对减速机工作状态模型影响减速机正常工作的参数有很多,这里选择个因素作为特征数据作为检测减速机的工作状态的主要因素,选择组状态样本数据作为训练数据,如表是样本数据,组样本数据为测试数据,如表。减速机的工作状态为正常状态轻微故障状态和严重故障状态,分运用网络进行机械状态检测的研究原稿改变,神经网络的学习是通过改进的规则使改变来进行的,即在每次迭代过程中,将个输入向量提供给网络,并且通过竞争层计算每个原型向量与之间的距离,与的距离最近的神经元获得竞争胜利,输出的第个元素设定为,通过下式计算得到输出向量的值假定其序号为,就表明是指定给类选择为次,但经过次训练后,网络误差达到要求。用仿真函。
11、版社机械工业出版社,朱大奇,史慧人工神经网络原理及应用北京科学出版社,杨行功能类似,用于对输入向量进行分类线性层将竞争层传递过来的分类信息转换为使用者所定义的期望类别。通常将竞争层学习得到的类称为子类,经线性层的类称为期望类别。算法是在有教师状态下对竞争层进行训练的种学习算法,它是从竞争算法演化而来的。神经网络在模式识别有着广泛的应用。运景。参考文献飞思科技产品研发中心神经网络理论与实现北京电子工业出版社,董长虹神经网络与应用北京国防工业出版社机械工业出版社,朱大奇,史慧人工神经网络原理及应用北京科选择为次,但经过次训练后,网络误差达到要求。用仿真函数对网络进行仿真,检验网络是否对训练数据中的输入向量进行了正确的分类。,输出结果为,可见网络的分类正确。用测。
12、系统的规模和复杂程度增加,设备的安全性和可靠性问题越来越突出,系统中出现的小故障可能造成系统瘫痪失效,人们期望建立运用网络进行机械状态检测的研究原稿选择为次,但经过次训练后,网络误差达到要求。用仿真函数对网络进行仿真,检验网络是否对训练数据中的输入向量进行了正确的分类。,输出结果为,可见网络的分类正确。用测试样本数据对网络进行交叉检验,学出版社,杨行峻,郑君里人工神经网络与盲信号处理北京清华大学出版社,。神经网络简介神经网络结构。学习矢量量化的英文全称是,简称为。是层网络结构,第层为输入层,第层为竞争层,第层为线性层。竞争层和网络的竞争层别对应类别和。下转第页上接第页表样本数据表样本序号样本输入特征数据类别表测试数据样本序号状态数据类别网络结构,表示网络。
参考资料：
1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
运用LVQ网络进行机械状态检测的研究(原稿)