English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 2928/5721 (51%)
造訪人次 : 373063 線上人數 : 490
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library IR team.
搜尋範圍
全部NCUTIR
電資學院
資訊與電能科技研究所
--【資訊與電能科技研究所】博碩士論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUTIR
‧
管理
勤益科大機構典藏
>
電資學院
>
資訊與電能科技研究所
>
【資訊與電能科技研究所】博碩士論文
>
Item 987654321/1566
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
請使用永久網址來引用或連結此文件:
http://ir.lib.ncut.edu.tw/handle/987654321/1566
題名:
類小腦神經網路於機電設備故障診斷之應用
Applications of Cerebellar Model Articulation Controller Neural Network on Fault Diagnosis of Mechanical and Electrical Equipments
作者:
林宜生
Lin, Yi-Shin
貢獻者:
資訊與電能科技研究所
關鍵詞:
水循環系統
;
汽輪發電機
;
類小腦神經網路
;
故障診斷
water circulation system
;
steam turbine
;
CMAC neural network
;
fault diagnosis
日期:
2007
上傳時間:
2008-10-07 09:32:35 (UTC+8)
摘要:
本文主旨在於應用類小腦神經網路(Cerebellar Model Articulation Controller Neural Network)作為診斷技術的理論基礎,並以水循環系統及大型汽輪發電機故障為範例,驗證本論文所提出方法的優越性。以水循環系統為例,依據所收集之故障樣本種類,建構類小腦模式的診斷架構,以梯度衰減法進行記憶權值的訓練。訓練完成的診斷架構即可進行水循環系統的故障診斷。而為了驗證診斷技術的抗雜訊性,文中加入雜訊作測試,測試結果均證明本文所提出方法的可行性及正確性。本文所提出的診斷技術可應用於各型的機電設備系統,對於大型汽輪發電機組的診斷架構,本論文亦作驗證。並提出以微控制器為核心的故障診斷裝置設計,故障資料的收集、記憶權值的訓練及機電設備故障診斷皆可透過此一可攜式診斷器的設計加以實現,不同於習知技術的電腦模擬。最後利用網路傳輸技術開發遠端故障診斷系統,透過遠端資料傳送進行故障診斷,以突破區域性之限制。
顯示於類別:
[資訊與電能科技研究所] 【資訊與電能科技研究所】博碩士論文
文件中的檔案:
檔案
大小
格式
瀏覽次數
0Kb
Unknown
1934
檢視/開啟
在NCUTIR中所有的資料項目都受到原著作權保護.
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library IR team
Copyright ©
-
回饋