RBF人工神经网络评估特征诊断铝锭脱模故障
其他题名	Fault Diagnosis of Aluminum Ingot Demoulding Based on RBF Artificial Neural Network Evaluating Feature
	黄将诚1; 沈廷杰1; 张弛2
	2020-12-20
发表期刊	机械制造与自动化
ISSN	1671-5276
卷号	49期号:06页码:193-196
摘要	针对电解铝工艺过程中冷却后的铝锭在脱模过程中可能与容器发生粘接从而不能脱离的情况,建立了一种基于特征评估的铝锭脱模诊断模型。利用经验模态分解方法对采集到的敲击信号进行预处理,获得8个高频本征模态函数,从这8个高频本征模态函数和原信号中分别提取6个时域无量纲指标,通过敏感度数值的大小对这些特征进行排序,将这些特征按顺序输入到RBF神经网络中,选择出敏感特征并完成人工神经网络的训练。利用待测试信号的敏感特征对模型进行验证,可以从大量特征中选择出敏感特征从而降低人工神经网络的纬数,诊断正确率达到100%。
关键词	铝锭脱模 特征评估 RBF人工神经网络 经验模态分解
DOI	10.19344/j.cnki.issn1671-5276.2020.06.050
URL	查看原文
收录类别	ISTIC
语种	中文
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	https://ir.cqcet.edu.cn/handle/39TD4454/4365
专题	智慧健康学院 人工智能与大数据学院
作者单位	1.重庆电子工程职业学院人工智能与大数据学院; 2.大连理工大学机械工程学院
第一作者单位	智慧健康学院
推荐引用方式 GB/T 7714	黄将诚,沈廷杰,张弛. RBF人工神经网络评估特征诊断铝锭脱模故障[J]. 机械制造与自动化,2020,49(06):193-196.
APA	黄将诚,沈廷杰,&张弛.(2020).RBF人工神经网络评估特征诊断铝锭脱模故障.机械制造与自动化,49(06),193-196.
MLA	黄将诚,et al."RBF人工神经网络评估特征诊断铝锭脱模故障".机械制造与自动化 49.06(2020):193-196.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
RBF人工神经网络评估特征诊断铝锭脱模故（1219KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览 下载

个性服务

查看访问统计

谷歌学术

谷歌学术中相似的文章

[黄将诚]的文章

[沈廷杰]的文章

[张弛]的文章

百度学术

百度学术中相似的文章

[黄将诚]的文章

[沈廷杰]的文章

[张弛]的文章

必应学术

必应学术中相似的文章

[黄将诚]的文章

[沈廷杰]的文章

[张弛]的文章

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。