| 基于小波网络的水下机器人推进器故障诊断 |
| |
| 引用本文： | 庞永杰,方少吉,王丽容.基于小波网络的水下机器人推进器故障诊断[J].中国造船,2008,49(2):94-100. |
| |
| 作者姓名： | 庞永杰 方少吉 王丽容 |
| |
| 作者单位： | 哈尔滨工程大学船舶工程学院,黑龙江,哈尔滨,150001 |
| |
| 摘 要： | 针对小波神经网络的隐层小波函数可以调节伸缩因子与平移因子影响网络输出的特点，将其伸缩因子与平移因子引入到最小扰动动态学习率的学习算法中。此算法通过计算动态学习率，使得小波函数的伸缩因子与平移因子以及网络连接权值的变化最小，这样便可提高小波神经网络的稳定性和收敛速度。使用这种小波神经网络对机器人建模，通过比较模型的输出（运动状态估计值）与实际测量值可得到残差，并分析残差提取故障判断准则，从而进行推进器故障诊断。仿真试验验证了该方法的有效性。
|
| 关 键 词： | 船舶、船舶工程 水下机器人 故障诊断 小波网络 最小扰动 小波网络 水下机器人 推进器 故障诊断 Wavelet Neural Network Disturbance Based Autonomous Underwater Vehicle Fault Diagnosis 有效性 方法 试验验证 仿真 判断准则 提取 分析 量值 估计值 运动状态 输出 |
| 文章编号： | 1000-4882(2008)02-0094-007 |
| 修稿时间： | 2006年6月26日 |
Thruster Fault Diagnosis of Autonomous Underwater Vehicle Based on Least Disturbance Wavelet Neural Network |
| |
| PANG Yong-jie,FANG Shao-ji,WANG Li-rong.Thruster Fault Diagnosis of Autonomous Underwater Vehicle Based on Least Disturbance Wavelet Neural Network[J].Shipbuilding of China,2008,49(2):94-100. |
| |
| Authors: | PANG Yong-jie FANG Shao-ji WANG Li-rong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
