基于GA优化的神经网络在线自适应趋势预示方法
当前旋转机组状态预测神经网络的结构参数主要靠人工经验和实验来确定.网络结构差、预测精度低,因而不能满足复杂工况的工业现场的应用.针对以上问题,并结合工业现场的实际工况,提出了一种在线自适应趋势预示方法,利用GA对BP网络结构参数进行动态估化,同时改进了原有的网络学习算法,采用了GA与BP组合训练算法.本方法能够根据不同的历史数据,进行自学习,从而动态地确定最优的网络结构参数,在现场应用中取得了令人满意的在线预测的效果.
遗传算法 误差反传 趋势预示 机械系统 神经网络 在线预测 自适应预测 旋转机组
徐小力 徐洪安
北京机械工业学院机械工程系(北京)
国内会议
南京
中文
104-108
2001-11-01（万方平台首次上网日期，不代表论文的发表时间）