基于RBF神经网络的控制系统传感器故障诊断方法

摘要：

针对现行研究中压铸机实时检测与控制系统中相关传感器的常见故障问题,通过对人工神经网络理论与方法的学习,建立了一种基于径向量基函数神经网络RBFNN的控制系统传感器故障诊断观测器模型.通过来自压铸机的实测参数进行模型训练,采用模糊K均值聚类算法选取聚类中心,利用该观测器确定传感器输出值与传感器实际输出值之间的残差,以此判断传感器是否发生故障.仿真结果表明,RBFNN观测器具有较强的非线性处理和任意函数逼近的能力,预测精度高,学习时间短,网络运算速度快,性能稳定,可满足传感器故障诊断的要求.

关键词：压铸机、RBFNN、故障诊断、模糊K均值聚类算法

所属期刊栏目：32

分类号：TP212(自动化技术及设备)

在线出版日期：2009-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：179-182