节点文献

反面选择算法与神经网络相结合的故障诊断方法

Fault diagnosis approach based on negative selection algorithm and neural network

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具，请取消加速工具后下载。

【作者】 刘树林； 崔军明； 林雪源； 丛蕊；

【Author】 LIU Shu-lin~1,CUI Jun-ming~1,LIN Xue-yuan~2,CONG Rui~1(1.Mechanical Science and Engineering College,Daqing Petroleum Institute,Daqing,Heilongjiang 163318,China;2.Underground Resource Development Company,Daqing Petroleum Administration Bureau,Daqing,Heilongjiang 163453,China)

【机构】 大庆石油学院机械科学与工程学院； 大庆石油管理局地下资源开发公司； 大庆石油学院机械科学与工程学院 黑龙江大庆163318； 黑龙江大庆163318； 黑龙江大庆163453；

【摘要】 传统的神经网络故障诊断方法对于新发生故障的误诊率较高,提出了将反面选择算法与神经网络相结合的故障诊断方法.该故障诊断方法对已知故障类型和未知故障类型都具有较准确的诊断能力.往复压缩机气阀的故障诊断实例表明该方法的有效性.

【Abstract】 Traditional approach to neural network fault diagnosis can not efficiently diagnose new fault types.In order to solve the problem,the fault diagnosis approach based on negative selection algorithm and neural network is proposed.The fault diagnosis method has better diagnosis capability for both known faults and unknown faults.The diagnosis result of gas valves for piston compressors shows the approach proposed is efficient.

【关键词】 反面选择算法； 神经网络； 故障诊断； 活塞压缩机；
【Key words】 negative selection algorithm； neural network； fault diagnosis； piston compressor；
【基金】 国家自然科学基金资助项目(50475183);黑龙江省教育厅科学技术研究项目(10541010)
  • 【文献出处】 大庆石油学院学报 ,Journal of Daqing Petroleum Institute , 编辑部邮箱 ,2005年06期
  • 【分类号】TP183
  • 【被引频次】6
  • 【下载频次】122
打印本页
节点文献中：