基于SOM神经网络的岸桥起升电机状态聚类分析
Journal of Donghua University(Natural Science Edition)（2018）
摘要
为解决岸桥起升电机状态识别及复杂非线性模式分类的问题,分析了起升电机采集信号训练样本集、特征提取方式等因素对电机状态识别的影响,并设计了基于SOM(自组织特征映射)神经网络的状态聚类分析方法.Python仿真结果表明:起升电机振动烈度可以聚类为5种类别,分别对应电机的5种工作状态,并且可以得到每类振动烈度数据的区间范围.这种方法可达到电机振动烈度有效快速地自适应分类,实现岸桥起升电机的状态识别,为岸桥起升电机的维护保养提供一定的依据.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要