文献类型：期刊文章

作　　者：刘志怀[1,2] 秦芳[3] 刘娜[4] 黄祖坤[1] 刘学斌[5]

LIU Zhihuai;QIN Fang;LIU Na;HUANG Zukun;LIU Xuebin(Modern Educational Technology Center,Henan Polytechnic University,Jiaozuo 454000,China;Hami Yuxin Energy Industry Research Institute Co.,Ltd.,Hami 839000,China;Department of Environmental Engineering,North China Institute of Science and Technology,Beijing 101601,China;Information Network Center,Hami Occupation Technical College,Hami 839000,China;Electromechanical Department,Hami Occupation Technical College,Hami 839000,China)

机构地区：[1]河南理工大学现代教育技术中心,河南焦作454000 [2]哈密豫新能源产业研究院有限责任公司,新疆哈密839000 [3]华北科技学院环境工程学院,北京101601 [4]哈密职业技术学院信息网络中心,新疆哈密839000 [5]哈密职业技术学院机电系,新疆哈密839000

出　　处：《振动与冲击》

基　　金：新疆维吾尔自治区科技支疆项目(2013911038);中央高校基本科研业务费资助项目(3142015009)

年　　份：2018

卷　　号：37

期　　号：18

起止页码：271-276

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前钢丝绳断丝定量检测中存在的问题,充分利用主成分分析与BP神经网络的优点,提出了基于主成分分析与BP神经网络相结合的钢丝绳断丝定量检测方法。采用主成分分析法对钢丝绳断丝信号的原始特征属性进行预处理,得到钢丝绳断丝信号主成分特征属性,并以此作为BP神经网络的输入,建立钢丝绳断丝信号主成分特征属性与断丝数目之间的关系,并对钢丝绳断丝数目进行预测;主成分分析方法减少了原始特征属性的维数,消除了属性之间的相关性;同时,主成分特征属性作为BP神经网络的输入,也简化了网络的结构。实例测试结果表明,基于主成分分析的神经网络钢丝绳断丝检测方法与常规BP神经网络方法相比,具有更高的检测精度和更少的计算量。

关 键 词：钢丝绳 断丝 主成分分析(PCA)  神经网络

分 类 号：TP532[自动化类]