神经网络在预测机器可靠性的应用

  神经网络在预测机器可靠性的应用(中文5000字,英文PDF)
摘要
本文提出了神经网络时间序列模型预测发动机系统故障和可靠性的预测性能的比较研究。传统上，故障数据分析需要规定参数故障分布和某些假设的合理性，有时难以验证。另一方面，使用神经网络的时间序列建模技术提供了一个有前途的选择。通过前馈多层感知器（MLP）的神经网络建模遭受局部最小值问题和较长的计算时间的问题。径向基函数（RBF）神经网络架构由于训练时间较短而被认为是一种可行的替代方案。我们将使用可靠性测试和现场数据的说明性实例表明，所提出的模型与传统的MLP模型和基于Box-Jenkins自回归集成移动平均（ARIMA）模型有相当或更好的预测性能。而且我们将进一步研究输入窗口大小和隐藏层节点的影响。