基于在线学习RBF神经网络的故障预报

摘要

本文提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性."剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用本文的算法能够对一类带时变参数的非线性系统进行故障预报.