基于神经网络技术的主通风机首次故障时间分析
来源期刊：煤炭学报2005年第6期
论文作者：王洪德 阎善郁
关键词：主通风机首次故障时间; BP神经网络; 模型识别; 参数估计;
摘 要：针对矿用主通风机系统的可维修特性,将神经网络技术与系统可靠性工程理论相结合,提出基于BP网络的首次故障时间模型识别方法和基于自适应神经网络的可靠性参数估计方法,旨在使矿井通风系统可靠性工程与人工智能等学科理论的交叉渗透.将机器学习引入矿用主通风机可靠性研究过程中,以提高系统可靠性分布类型识别和参数估计的自动化和智能化水平.
王洪德1，阎善郁1
(1.大连交通大学,环境科学与工程学院,辽宁,大连,116028)
摘要:针对矿用主通风机系统的可维修特性,将神经网络技术与系统可靠性工程理论相结合,提出基于BP网络的首次故障时间模型识别方法和基于自适应神经网络的可靠性参数估计方法,旨在使矿井通风系统可靠性工程与人工智能等学科理论的交叉渗透.将机器学习引入矿用主通风机可靠性研究过程中,以提高系统可靠性分布类型识别和参数估计的自动化和智能化水平.
关键词:主通风机首次故障时间; BP神经网络; 模型识别; 参数估计;
【全文内容正在添加中】
