论文部分内容阅读
针对复杂电子设备故障诊断信息利用率低，传统神经网络故障诊断模型收敛性、训练时间等方面存在的问题，提出一种应用灰色神经网络的故障诊断模型。引入灰色预测MGM（1，n）模型，采用多重指标描述电子设备的故障特征；将灰色预测模型与径向基函数神经网络相结合，对系统的特征输入建立灰预测模型，从而对设备运行中的状态量进行预测，并将预测值作为径向基函数神经网络的输入，预测设备的运行状态。实例分析表明，该模型具有较好的预测精度，为复杂电子设备的实时故障诊断提供了一种可行的解决方案。