一种基于聚类的GRBF网络机械缺陷识别方法

刘涛

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于聚类的GRBF网络机械缺陷识别方法

更新时间：2026-09-04

- 一种基于聚类的GRBF网络机械缺陷识别方法
- A Method of Mining Machinery Flaw Identification Based on Clustering Algorithm Optimized GRBF
- 微电子学与计算机 2012年29卷第4期页码：162-164
- 作者机构：
  
  西安科技大学机构通信学院,陕西,西安,710054
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(51074121)陕西省教育厅科学研究计划(2010JK659)
- DOI：
  中图分类号：
- 纸质出版：2012
- 稿件说明：
移动端阅览
刘涛. 一种基于聚类的GRBF网络机械缺陷识别方法[J]. 微电子学与计算机, 2012, 29(4): 162-164,168.

LIU Tao. A Method of Mining Machinery Flaw Identification Based on Clustering Algorithm Optimized GRBF[J]. 2012, 29(4): 162-164.
刘涛. 一种基于聚类的GRBF网络机械缺陷识别方法[J]. 微电子学与计算机, 2012, 29(4): 162-164,168. DOI：

LIU Tao. A Method of Mining Machinery Flaw Identification Based on Clustering Algorithm Optimized GRBF[J]. 2012, 29(4): 162-164. DOI：

摘要

针对煤矿机械缺陷超声信号的非平稳特性

利用小波包和基于聚类的广义RBF神经网络进行缺陷的智能识别.重点研究了利用小波包方法提取反映不同缺陷性质的特征值和GRBF神经网络分类方法.并以机械焊接缺陷为研究对象

进行了实验研究.结果表明该方法与其他方法相比

具有较高的缺陷分类准确率.

Abstract

According to the nonstationarity of mining machinery flaw signals in ultrasonic testing

the method used for defect identification based on WPT and Clustering Algorithm optimized GRBF.Focus on WPT extract the different defects characteristics and GRBF Algorithm classify the different flaws.Experimental study the mining machinery Welding flaws.Compared with the BP

experimental results shows that this algorithm has high accuracy of flaw classification.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于反向体偏置的高增益稳定性高温运放设计

V型沟槽SiC中子探测器的蒙特卡洛分析

基于区块链的AI生成内容溯源框架设计研究

基于多尺度融合与小目标增强的航拍车辆检测算法

超低功耗实时时钟电路的设计