采用L-M优化算法的设备状态预测  

Predicting in device status based on L-M optimization algorithm

作　　者：龙红叶[1] 熊峰[1] 胡小梅[1] 卢鲜亮[1] 

机构地区：[1]上海大学上海市机械自动化与机器人重点实验室,上海200072

出　　处：《现代制造工程》2012年第3期114-118,27,共6页Modern Manufacturing Engineering

基　　金：上海市科委科技攻关计划项目(10DZ1126100;10DZ1140900);上海高校选拔培养优秀青年教师科研专项基金项目;上海大学创新基金;上海市重点学科建设资助项目(Y0102)

摘　　要：设备状态预测是设备预防性维护的重要组成部分。针对传统方法处理设备状态数据的不足,采用L-M优化算法进行设备状态预测。通过原始样本数据学习和训练BP神经网络,并用测试数据进行设备状态预测,实验证明该方法不仅在误差分析精度和收敛速度方面具有优良的性能,而且还证明了该算法的有效性。Predicting device status is the important component of preventive maintenance. Specific to shortage in dealing with de- vice status data with conventional methods,it is appropriate to adapt L-M optimization algorithm to predict device status. Through learning and training neural network by sample data, and predicting device status by diagnostic data, the experimental result shows：the method not only owns excellent performance in error analysis accuracy and convergence rate , but also it is effective to forecast device status.

关 键 词：状态预测 L-M优化算法 特性曲线 有效预测 

分 类 号：TH17[机械工程—机械制造及自动化]