高级搜索

基于RBF神经网络的强流LIA故障诊断与性能评价技术

,  ,  ,  , 

downloadPDF

上一篇

下一篇

杨兴林, 王华岑, 陈楠, 戴文华, 李劲. 2006: 基于RBF神经网络的强流LIA故障诊断与性能评价技术, 强激光与粒子束, 18(11): 1898-1902.
引用本文: 杨兴林, 王华岑, 陈楠, 戴文华, 李劲. 2006: 基于RBF神经网络的强流LIA故障诊断与性能评价技术, 强激光与粒子束, 18(11): 1898-1902.
shu
YANG Xing-lin, WANG Hua-cen, CHEN Lan, DAI Wen-hua, LI Jin. 2006: Fault diagnosis and performance evaluation for high current LIA based on radial basis function neural network, High Power Lase and Particle Beams, 18(11): 1898-1902.
Citation: YANG Xing-lin, WANG Hua-cen, CHEN Lan, DAI Wen-hua, LI Jin. 2006: Fault diagnosis and performance evaluation for high current LIA based on radial basis function neural network, High Power Lase and Particle Beams, 18(11): 1898-1902.
shu

基于RBF神经网络的强流LIA故障诊断与性能评价技术

  • 中国工程物理研究院,流体物理研究所,四川,绵阳,621900

Fault diagnosis and performance evaluation for high current LIA based on radial basis function neural network

  • 摘要: 用于流体动力学诊断的强流LIA是庞大而复杂的系统,其性能预测和评估是十分困难的.针对强流LIA大量的单次快脉冲非平稳信号,提出基于小波包分析与RBF神经网络技术相结合实现故障智能诊断和性能评价的方法.该方法以强流LIA高维信号的小波包结点能量提取的特征向量来表征信号平顶、脉宽以及暂态特性.在此基础上,建立了"神龙一号"加速器腔电压及注入器出口束流故障诊断与性能评价原型系统,该系统不仅可进行故障诊断和性能评价,还可探测到加速器运行参数的变化趋势,为加速器的精细维护提供预测信息.
  • 加载中
  • 加载中
计量
  • 文章访问数:  349
  • HTML全文浏览数:  42
  • PDF下载数:  15
  • 施引文献:  0
出版历程
  • 刊出日期:  2006-11-30

基于RBF神经网络的强流LIA故障诊断与性能评价技术

  • 中国工程物理研究院,流体物理研究所,四川,绵阳,621900

摘要: 用于流体动力学诊断的强流LIA是庞大而复杂的系统,其性能预测和评估是十分困难的.针对强流LIA大量的单次快脉冲非平稳信号,提出基于小波包分析与RBF神经网络技术相结合实现故障智能诊断和性能评价的方法.该方法以强流LIA高维信号的小波包结点能量提取的特征向量来表征信号平顶、脉宽以及暂态特性.在此基础上,建立了"神龙一号"加速器腔电压及注入器出口束流故障诊断与性能评价原型系统,该系统不仅可进行故障诊断和性能评价,还可探测到加速器运行参数的变化趋势,为加速器的精细维护提供预测信息.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回