位置:成果数据库 > 期刊 > 期刊详情页
基于概率神经网络和KS检验的机械状态监测
  • 期刊名称:振动与冲击,2008, 27(4):56-57
  • 时间:0
  • 分类:TH17[机械工程—机械制造及自动化]
  • 作者机构:[1]华中科技大学数字制造与装备技术国家重点试验室,武汉430074
  • 相关基金:国家重点基础研究发展计划(2005CB724101),国家自然科学基金项目(50575087),国家自然科学基金项目(50675076)
  • 相关项目:面向制造系统的高可靠性柔性可重构自组织E-诊断关键技术研究
中文摘要:

机械状态监测中经常需要用非线性分类器对机械状态进行分类。概率神经网络是一种典型的非线性分类器。它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点。但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷。当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报。因此,需要对神经网络分类器的分类结果进行检验。KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报。

同期刊论文项目
同项目期刊论文