文献

J-GLOBAL ID：201602245322780038   整理番号：16A0857667

引力探索RBF神経回路網に基づく機関車の歯車箱の故障診断【JST・京大機械翻訳】

Fault Diagnosis of Locomotive Gearbox Based on Gravitational Search RBF Neural Network

著者 (4件)： Wei Xiaojuan (School of Mechatronic Engineering,Lanzhou Jiaotong University) ,  Ding Wangcai (School of Mechatronic Engineering,Lanzhou Jiaotong University) ,  Li Ningzhou (School of Mechatronic Engineering,Lanzhou Jiaotong University) ,  Guo Wenzhi (School of Mechatronic Engineering,Lanzhou Jiaotong University)
資料名： Tiedao Xuebao  (Tiedao Xuebao)
巻： 38  号： 2  ページ： 19-26  発行年： 2016年 
JST資料番号： W1488A  ISSN： 1001-8360  CODEN： TIXUF5  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ニューラルネットワークの構造とパラメータの最適化選択問題を解決するために,機関車の歯車箱の故障診断の精度を高め,1つの引力を探索RBF神経回路網に基づくインテリジェント機関車の歯車箱の故障診断法を提案した。ガウスRBFニューラルネットワークに基づき,機関車の歯車箱の故障診断モデルを確立し,採用するクラスタリングアルゴリズムをRBFニューラルネットワーク構造を決定して減らし,そしてカオス最適化と結合して探索戦略,および人工ハチコロニー演算子適応故障診断モデルに対して,最適化問題を解くを行う混合引力探索アルゴリズムを,提案した。パラメータ選択の盲目性を避けた。国際標準試験データセットを採用し,この方法に対して分類性能テストを行い,結果はその分類精度が、GAアルゴリズムは,SPSOアルゴリズムとQPSOアルゴリズムGSAアルゴリズムにより最適化したRBFニューラルネットワークより明らかに優れていることを示した。機関車の歯車箱の故障の診断にこの方法を適用し,例を用いてこの方法の有効性を検証した。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  選択問題 ,  *故障診断 ,  最適化問題 ,  *神経回路網 ,  カオス ,  ニューラルネットワーク ,  *機関車 ,  最適化 ,  *歯車箱
準シソーラス用語： 分類精度 ,  データセット ,  探索アルゴリズム ,  クラスタリングアルゴリズム ,  動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： locomotive gearbox ,  Gaussian RBF neural network ,  fault diagnosis ,  adaptive hybrid gravitational search algorithm

分類 (2件)： 人工知能  (JE08000Z) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： 引力 ,  探索 ,  RbF ,  神経回路網 ,  歯車箱 ,  故障診断