采用L-M优化算法的设备状态预测.pdfVIP

下载本文档

38
0
约1.45万字
约 6页
2017-07-08 发布于北京
举报
版权申诉

采用L-M优化算法的设备状态预测.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

采用L-M优化算法的设备状态预测.pdf

设备设计／诊断维修／再制造现代制造工程(ModernManufacturingEngineering) 2012年第3期采用L．M优化算法的设备状态预测+ 龙红叶，熊峰，胡小梅，卢鲜亮 (上海大学上海市机械自动化与机器人重点实验室，上海200072) 摘要：设备状态预测是设备预防性维护的重要组成部分。针对传统方法处理设备状态数据的不足，采用L—M优化算法进行设备状态预测。通过原始样本数据学习和训练BP神经网络，并用测试数据进行设备状态预测，实验证明该方法不仅在误差分析精度和收敛速度方面具有优良的性能，而且还证明了该算法的有效性。关键词：状态预测；L—M优化算法；特性曲线；有效预测中图分类号：TG文献标志码：A文章编号：1671q133(2012)03珈114珈6 L-M indevicestatusbasedon Predicting optimizationalgorithm LongHongye，XiongFeng，HuXiaomei，LuXianliang ofMechanicalAutomationand Laboratory University，Shanghai200072，China) (ShanghaiKey Robotics，Shanghai devicestatusisthe of to in withde— dealing Abstract：Predicting importantcomponentpreventivemaintenance．Specificshortage vicestatusdatawithconventionalis to L—M to device methods，itappropriateadapt optimizationalgorithmpredict status．Through and neuralnetwork devicestatus result learningtraining bysampledata，andpredicting bydiagnosticdata，theexperimental to methodnot ownsexcellent inerror and alsoitiseffective shows：the rate，but only performanceanalysisaccuracyconvergence forecastdevicestatus． foresee words：statusforecasting；Levenberg—Marquart(L—M)optimizationalgorithm；characteristiccurve；effectively Key 0引言进行学习训练和诊断测试实验。学习训练实验结果表状态监测是指通过一定的途径了解和掌握设备明：L-