基于LM優化算法的神經網絡在航空發動機轉子故障診斷中的應用

針對傳統BP算法存在的收斂速度慢以及容易陷入局部最小點等問題,給出了兩種改進BP算法:LM(Levenberg-Marquardt)優化算法和SCG(Scaled Conjugate Gradient)算法,應用這兩種算法對航空發動機轉子故障進行診斷研究,比較它們之間的研究結果,仿真和實驗表明LM優化算法比SCG算法具有更高的準確度和較快的收斂速度,可行性更強.

作 者： 馮今朝 王仲生 FENG Jin-Zhao WANG Zhong-Sheng   作者單位： 西北工業大學航空學院,陜西,西安,710072  刊 名： 宇航計測技術  ISTIC 英文刊名： JOURNAL OF ASTRONAUTIC METROLOGY AND MEASUREMENT  年，卷(期)： 2007 27(2)  分類號： V328  關鍵詞： +SCG算法   +LM優化算法   航空發動機   轉子   故障診斷  

【基于LM優化算法的神經網絡在航空發動機轉子故障診斷中的應用】相關文章：

基于粒子群算法的神經網絡在水資源評價中的應用04-27

基于OLS算法的RBF神經網絡在大壩安全監測中的應用04-25

基于灰色神經網絡的航空發動機振動故障診斷方法研究04-26

改進型LM-BP神經網絡在水質評價中的應用04-26

基于MATLAB的BP神經網絡在清潔生產審核中的應用04-25

基于B-P神經網絡優化算法的城市環境空氣中PM10濃度預測模型04-25

改進遺傳算法在桁架結構優化設計中的應用04-26

基于自適應Kalman濾波的BP神經網絡在導航中的應用04-27

基于遺傳算法的飛機氣動優化設計04-27

基于微粒群算法的系統可靠性優化04-27