本文主要研究内容
作者王浩天,段修生,单甘霖,孙健,邱锦涛(2019)在《一种基于关联熵融合与改进回声状态网络的故障预测方法》一文中研究指出:针对液压泵退化特征维数高、预测效果不佳的问题,提出了一种基于关联熵融合与改进ESN的故障预测方法。以关联熵为基础,构建特征层级融合算法,以充分利用所提取的退化特征信息,在提高特征简洁度的基础上,进一步改善预测特征性能;在此基础上,对ESN储备池结构进行优化,重新定义邻接矩阵元素取值,建立改进的ESN预测模型,以改善网络的泛化能力,提高预测精度。通过对液压泵性能退化试验的应用分析,验证了该方法的有效性。
Abstract
zhen dui ye ya beng tui hua te zheng wei shu gao 、yu ce xiao guo bu jia de wen ti ,di chu le yi chong ji yu guan lian shang rong ge yu gai jin ESNde gu zhang yu ce fang fa 。yi guan lian shang wei ji chu ,gou jian te zheng ceng ji rong ge suan fa ,yi chong fen li yong suo di qu de tui hua te zheng xin xi ,zai di gao te zheng jian jie du de ji chu shang ,jin yi bu gai shan yu ce te zheng xing neng ;zai ci ji chu shang ,dui ESNchu bei chi jie gou jin hang you hua ,chong xin ding yi lin jie ju zhen yuan su qu zhi ,jian li gai jin de ESNyu ce mo xing ,yi gai shan wang lao de fan hua neng li ,di gao yu ce jing du 。tong guo dui ye ya beng xing neng tui hua shi yan de ying yong fen xi ,yan zheng le gai fang fa de you xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自振动与冲击的王浩天,段修生,单甘霖,孙健,邱锦涛,发表于刊物振动与冲击2019年02期论文,是一篇关于故障预测论文,关联熵论文,信息融合论文,回声状态网络论文,振动与冲击2019年02期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自振动与冲击2019年02期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:故障预测论文; 关联熵论文; 信息融合论文; 回声状态网络论文; 振动与冲击2019年02期论文;