改进的ART2型神经网络在故障诊断中的应用

doi:10.3778/j.issn.1002-8331.2010.09.060

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (9): 212-214.DOI: 10.3778/j.issn.1002-8331.2010.09.060

改进的ART2型神经网络在故障诊断中的应用

陆爽，朱建鸿，彭力

江南大学通信与控制工程学院，江苏无锡 214122

收稿日期:2008-09-22 修回日期:2008-12-16 出版日期:2010-03-21 发布日期:2010-03-21
通讯作者: 陆爽

Improved ART2 neural network algorithm for fault diagnosis

LU Shuang，ZHU Jian-hong，PENG Li

School of Communication and Control Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2008-09-22 Revised:2008-12-16 Online:2010-03-21 Published:2010-03-21
Contact: LU Shuang

摘要/Abstract

摘要： 针对传统ART2型神经网络的缺点，提出了一种增强了网络执行速度的改进的ART2型神经网络。改进后的算法避免了传统ART2因输入次序不同而导致的输出结果不同的缺陷。应用了一种新的方法计算输入模式与所有模式的相似度。为了解决传统ART2型神经网络的模式漂移问题引入了激活深度的概念。改善了ATR2型神经网络的适用性。

关键词: 自适应谐振理论2（ART2）, 系统辨识, 故障诊断

Abstract: This paper indicates the shortage of standard ART2 neural network.A simplified ART2 network structure is presented to enhance speed of network performance.The simplified network avoids the different results of standard ART2 neural network because of inputting different sequences.And the paper uses a new method to compute similarity.In order to solve the pattern excursion problem of ART2 neural network，it indicates enabled depth to avoid the problem.It improves the applicative effect of ART2 neural network.

Key words: Adaptive Resonance Theory（ART2）, system identification, fault diagnosis

中图分类号:

TP391

陆爽，朱建鸿，彭力. 改进的ART2型神经网络在故障诊断中的应用[J]. 计算机工程与应用, 2010, 46(9): 212-214.

LU Shuang，ZHU Jian-hong，PENG Li. Improved ART2 neural network algorithm for fault diagnosis[J]. Computer Engineering and Applications, 2010, 46(9): 212-214.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[5]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[6]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[7]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[8]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[9]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[10]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[11]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[12]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[13]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[14]	王得雪，林意，陈俊杰. 协同训练算法在滚动轴承故障诊断中的应用[J]. 计算机工程与应用, 2020, 56(12): 273-278.
[15]	贾宝惠，黄琳，李耀华，蔺越国. 轴承故障诊断FastICA算法性能优化方法[J]. 计算机工程与应用, 2019, 55(8): 208-214.

改进的ART2型神经网络在故障诊断中的应用

Improved ART2 neural network algorithm for fault diagnosis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics