论文部分内容阅读
提出了一种基于广义回归神经网络（GRNN）模型的旋转机械振动特征预测策略，给出了一种快速的GRNN模型平滑参数的优选方法；采用滑动窗口的方法更新训练样本，以便在每步预测之前获得能反应振动最新变化趋势的网络结构，进而提高预测精度。将该方法应用于某600MW核电机组动静碰摩故障下的振动特征预测，并与粒子群算法优化的支持向量回归模型（PSO—SVM）、径向基函数神经网络（RBFNN）模型的预测结果进行了对比分析，结果表明：提出的振动预测模型的总体性能优于PSO—SVM、RBFNN模型，在学习样本数目较少的情况下