PNN在船用污水处理装置状态诊断中的仿真研究

曹晓莉; 胡卫军; 王荣秀; 杨光祥; 江朝元

doi:10.13873/j.1000-97872011.07.015

Chinese

您当前的位置：

首页 >

文章列表页 >

PNN在船用污水处理装置状态诊断中的仿真研究

研究与探讨 | 更新时间：2025-09-11

- PNN在船用污水处理装置状态诊断中的仿真研究
- Simulation research of PNN on state diagnosis of ship sewage treatment equipment
- 传感器与微系统 2011年30卷第7期页码：24-26+30
- 作者机构：
  
  重庆工商大学计算机科学与信息工程学院
- 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.1000-97872011.07.015
  中图分类号： U664.92;TP183
- 纸质出版：2011
- 稿件说明：
移动端阅览
[1]曹晓莉,胡卫军,王荣秀,杨光祥,江朝元.PNN在船用污水处理装置状态诊断中的仿真研究[J].传感器与微系统,2011,30(07):24-26+30.

CAO Xiao-li, HU Wei-jun, WANG Rong-xiu, et al. Simulation research of PNN on state diagnosis of ship sewage treatment equipment[J]. 2011, 30(7): 24-26+30.
[1]曹晓莉,胡卫军,王荣秀,杨光祥,江朝元.PNN在船用污水处理装置状态诊断中的仿真研究[J].传感器与微系统,2011,30(07):24-26+30. DOI： 10.13873/j.1000-97872011.07.015.

CAO Xiao-li, HU Wei-jun, WANG Rong-xiu, et al. Simulation research of PNN on state diagnosis of ship sewage treatment equipment[J]. 2011, 30(7): 24-26+30. DOI： 10.13873/j.1000-97872011.07.015.

摘要

概率神经网络（PNN）是基于贝叶斯分类规则和Parzen窗函数的前向型自监督神经网络模型

具有强大的非线性处理能力

快速的收敛速度和准确的分类效果。在分析PNN基本结构和原理的基础上

采用PNN结构针对船用污水处理装置的状态诊断进行仿真

以提高船用污水处理装置状态诊断正确率。通过Matlab采用实际监测的数据实现了PNN诊断处理。理论分析和仿真结果表明:利用PNN对船用污水处理装置的状态诊断的方法可行和有效

有很高的实用价值。

Abstract

Probabilistic neural network（PNN）is a feedforward self-supervisory neural network model based on Bayes classifying rules and Parzen window function and possesses powerful nonlinear processing ability

fast convergence

and accurate sorting effect.On the basis of analyzing the fundamental structure and principle of PNN

PNN structure is adopted to simulate the state diagnosis of ship sewage treatment equipment to improve the state diagnosis validity.With Matlab

the PNN diagnosis is realized utilizing the practical monitoring data from a ship.The theory analysis and simulation results indicate that using PNN on ship sewage treatment equipment for the state diagnosis is feasible

effective and with high practical value.

关键词

Keywords

references

基于多分类支持向量机的智能辅助质量诊断研究 [J]. 吴德会. 系统仿真学报 . 2009(06)

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)

基于径向基函数神经网络的柴油机故障诊断 [J]. 肖健梅. 仪器仪表学报 . 2005(04)

基于模糊支持向量机的多级二叉树分类器的水轮机调速系统故障诊断 [J]. 张国云,章兢. 中国电机工程学报 . 2005(08)

神经计算智能基础[M]. 西南交通大学出版社 , 靳蕃编著, 2000

Machine fault diagnosis using a cluster-based wavelet feature extraction and probabilistic neural networks [J] . Gang Yu,Changning Li,Sagar Kamarthi. The International Journal of Advanced Manufacturing Technology . 2009 (1-2)

Enhanced probabilistic neural network with data imputation capabilities for machine-fault classification [J] . Roy Kwang Yang Chang,Chu Kiong Loo,M. V. C. Rao. Neural Computing and Applications . 2009 (7)

A new structure adaptation algorithm for RBF networks and its application [J] . D. L. Yu,D. W. Yu. Neural Computing and Applications . 2007 (1)

Multiple Classifier Fusion in Probabilistic Neural Networks [J] . Ji?í Grim,Josef Kittler,Pavel Pudil,Petr Somol. Pattern Analysis & Applications . 2002 (2)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于变尺寸涡流环模型的电涡流传感器仿真

基于改进滑模变结构控制的SAPF仿真及实验研究

氧化锆氧传感器减振技术研究

PZT导纳圆获取方法研究

磁轴承用电感式位移传感器的研究