首页> 中文期刊> 《信息系统工程》 >基于超球体UKF径向基神经网络的抽油机故障诊断研究

基于超球体UKF径向基神经网络的抽油机故障诊断研究

         

摘要

针对抽油机运行过程中具有强耦合、多变量、参数时变等特征,传统神经网络难以建立准确有效的故障诊断模型,本文提出一种基于超球体无迹卡尔曼滤波的径向基神经网络算法(AUKF-RBF).算法利用UKF优化RBF神经网络隐含层到输出层权值、隐含层节点的中心及宽度,建立UKF-RBF故障诊断模型,利用超球体无迹变换构造简单、误差更小等优点,对每个集合成员进行无迹变换得到Sigma点集,缩短了故障诊断时间.将该方法应用到抽油机故障诊断中,实验结果表明了算法的有效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号