基于改进小波神经网络的动车组牵引电机故障趋势预测
针对小波神经网络在多维输入情况下易于陷入局部极小值、收敛速度慢的弱点,引入Levenberg Marquardt(LM)算法优化小波神经网络,解决传统小波神经网络收敛速度慢的问题.基于传统小波神经网络和LM算法改进的小波神经网络分别建立预测模型,用于动车组牵引电机的故障趋势预测,通过MATLAB软件对两种预测模型的训练过程进行了数值仿真,仿真实验结果表明改进小波神经网络建立的故障预测模型提高了小波神经网络的预测精度,同时加快了神经网络的收敛速度,是一种有效的预测模型.
小波神经网络、LM算法、动车组牵引电机、故障趋势预测
39
U269(机车工程)
国家科技部"863"项目-高速铁路动车组全生命周期数据集成化管理平台技术研究项目K15B200011;国家科技支撑计划项目:面向高铁列车高效生产的新一代认知型制造执行系统研究与应用示范2015BAF08B02
2017-08-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
15-18,28
