基于RBF神经网络的船用污水处理装置状态诊断

曹晓莉; 胡卫军; 孙怀义; 杨光祥; 江朝元

doi:10.13873/j.1000-97872010.10.026

Chinese

您当前的位置：

首页 >

文章列表页 >

基于RBF神经网络的船用污水处理装置状态诊断

研究与探讨 | 更新时间：2025-09-11

- 基于RBF神经网络的船用污水处理装置状态诊断
- State diagnosis of ship sewage treatment equipment based on RBF neural networks
- 传感器与微系统 2010年29卷第10期页码：21-23+27
- 作者机构：
  
  1. 重庆工商大学计算机科学与信息工程学院
  2. 重庆工业自动化仪表研究所
- 作者简介：
- 基金信息：
  
  重庆市科委重点科技攻关计划资助项目（CSTC2009AB2133）;重庆市教委科研计划资助项目（KJ100709）
- DOI：10.13873/j.1000-97872010.10.026
  中图分类号： U664.92;TP183
- 纸质出版：2010
- 稿件说明：
移动端阅览
[1]曹晓莉,胡卫军,孙怀义,杨光祥,江朝元.基于RBF神经网络的船用污水处理装置状态诊断[J].传感器与微系统,2010,29(10):21-23+27.

CAO Xiao-li1, HU Wei-jun1, SUN Huai-yi2, et al. State diagnosis of ship sewage treatment equipment based on RBF neural networks[J]. 2010, 29(10): 21-23+27.
[1]曹晓莉,胡卫军,孙怀义,杨光祥,江朝元.基于RBF神经网络的船用污水处理装置状态诊断[J].传感器与微系统,2010,29(10):21-23+27. DOI： 10.13873/j.1000-97872010.10.026.

CAO Xiao-li1, HU Wei-jun1, SUN Huai-yi2, et al. State diagnosis of ship sewage treatment equipment based on RBF neural networks[J]. 2010, 29(10): 21-23+27. DOI： 10.13873/j.1000-97872010.10.026.

摘要

研究应用径向基函数（RBF）神经网络对船用污水处理装置进行状态诊断

以提高船用污水处理装置状态诊断正确率。在分析了RBF神经网络基本结构和原理的基础上

设计一种诊断船用污水处理装置状态的三层RBF神经网络。通过采用实际监测的数据实现RBF神经网络诊断处理

结果表明:RBF神经网络的分类诊断效果较佳

能够有效地对船用污水处理装置状态进行诊断。

Abstract

A state diagnosis method of ship sewage treatment equipment adopting radial-basis function（RBF）neural network is introduced to improve the state diagnosis correctness.Based on the analysis on the structure and fundamental principle of RBF neural network

a three-layer RBF neural network is designed to diagnose the state of ship sewage treatment equipment.RBF neural network diagnosis is realized utilizing the practical monitoring data from a ship.It is proved by diagnosis results that RBF neural network has good effect of classification which can be used to diagnose state of ship sewage treatment equipment effectively.

关键词

Keywords

references

基于小波脊线的解调方法及其在旋转机械故障诊断中的应用 [J]. 秦毅,秦树人,毛永芳. 机械工程学报 . 2009(02)

基于聚类支持向量机的船用污水处理装置故障诊断 [J]. 曹晓莉,江朝元,甘思源. 计算机应用 . 2008(10)

基于概率神经网络和KS检验的机械状态监测 [J]. 胡峰,吴波,胡友民,史铁林. 振动与冲击 . 2008(04)

基于遗传算法的旋转机械故障诊断方法融合 [J]. 刘占生,窦唯,王东华,王晓伟. 机械工程学报 . 2007(10)

电气设备状态监测与故障诊断技术的现状与展望 [J]. 朱德恒,谈克雄. 电力设备 . 2003(06)

基于SVM的二叉树多类分类算法及其在故障诊断中的应用 [J]. 马笑潇,黄席樾,柴毅. 控制与决策 . 2003(03)

神经网络与应用[M]. 国防工业出版社 , 董长虹编著, 2005

Polynomial-based radial basis function neural networks （P-RBF NNs） and their application to pattern classification [J] . Byoung-Jun Park,Witold Pedrycz,Sung-Kwun Oh. Applied Intelligence . 2010 (1)

Face and palmprint pixel level fusion and Kernel DCV-RBF classifier for small sample biometric recognition [J] . Xiao-Yuan Jing,Yong-Fang Yao,David Zhang,Jing-Yu Yang,Miao Li. Pattern Recognition . 2007 (11)

Automatic design of growing radial basis function neural networks based on neighboorhood concepts [J] . Frédéric Ros,Marco Pintore,Jacques R. Chrétien. Chemometrics and Intelligent Laboratory Systems . 2007 (2)

浏览量

117

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

3DoF模块化机械臂轨迹跟踪策略

山火的无线传感与RBF分析研究

改进递归最小二乘RBF神经网络溶解氧预测

基于改进RBF网络的传感器非线性误差补偿

基于RBF神经网络的车辆牵引性能测试数据融合技术