论文部分内容阅读
提出一种基于核主元分析（KPCA）和多级神经网络集成的汽轮机故障诊断方法。该方法首先采用KPCA对汽轮机故障样本数据进行特征提取 然后计算相互独立训练出的多个神经网络个体在验证样本集上的泛化误差,并选择其中精确度较高的子神经网络作为集成的个体 最后采用基于正交最小二乘算法的径向基函数神经网络来集成各个子网的输出并得到最终的诊断结果。在某汽轮发电机组故障诊断中的应用表明,该方法具有较高的精确度和稳定性。