BP神经网络修正灰色残差组合模型方法在油液光谱分析中应用的研究  

Research on Oil Spectral Analysis Prediction Based on Remnant Difference Correct Combined Model of BP Neural Network

作　　者：刘玉兵[1] 陈亚忠[2] 王晓东 李霞[1] 

机构地区：[1]徐州空军学院军交运输指挥系,江苏徐州221000 [2]徐州空军学院研究生管理大队,江苏徐州221000 [3]济空装备部,山东济南250000

出　　处：《润滑与密封》2007年第3期172-174,共3页Lubrication Engineering

摘　　要：提出了采用神经网络修正灰色残差组合模型对设备的磨损状态进行预测和诊断分析的方法。通过比较GM(1,1)模型、神经网络模型的预测结果,融合GM(GreyModel)模型与神经网络模型并构建组合模型进行油液光谱分析参数预测,可以克服单个模型所存在的不足。结果证明,该组合模型方法在预测中是可行的,预测的误差最小。Remnant difference correct combined model of BP neural network was built to predict and diagnose the wear of oil lubricated mechanical equipment. By comparing the prediction results of GM （ 1,1 ） and BP neural network, the combination of GM and neural model is feasible in oil spectral analysis parameter prediction, which can overcome the deficiency of single model and get good effect.

关 键 词：新陈代谢GM(1 1)模型 BP神经网络模型 灰色残差序列 光谱分析 参数预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]