10.3969/j.issn.1000-4998.2015.04.024
基于OS-ELM的风机关键机械部件故障诊断方法
针对传统故障诊断中前馈神经网络算法诊断效果不佳、泛化能力不强问题,提出了基于在线贯序极限学习机(OS-ELM)的风机关键机械部件故障诊断方法.该方法将测试得到的预测样本加入训练样本,作为下一次的更新信息,建立在线贯序极限学习机诊断模型,从而最大限度提高故障诊断精度,分析了激活函数、隐层节点数目对诊断性能的影响,并同BP神经网络、SVM以及ELM神经网络进行对比.实验表明,该方法在风机关键机械部件出现故障情况下,OS-ELM网络能够作出准确诊断且性能明显优于BP神经网络,与SVM、ELM故障分类准确率相当,但极大地提高了运算速度,便于工程应用.
风力发电机、在线贯序极限学习机、故障诊断
53
TH165.3
国家自然科学基金资助项目编号:51375290教育部人文社会科学研究青年基金项目10YJC630274
2015-05-19（万方平台首次上网日期，不代表论文的发表时间）
共5页
66-70
