方向閥美國VICKERS威格士電液換向閥
DG4V-5-2N-H-M-U-C6-20 DG4V-5-31C-M-U-EH6-20 DG4V-5-6CJ-M-U-H6-20-J12
DG4V-5-6C-H-M-U-C6-20 DG4V-5-6CJ-M-U-HL6-20 DG4V-5-6CJ-M-U-H6-20-J08
方向閥美國VICKERS威格士電液換向閥
ST307-150-B SG307-F-150 ST307-V2-150-B G307-F-150-B
ST307-350-B SG307-F-350 ST307-V2-350-B SG307-F-V2-150
ST307-SCH-V2-350-B SG307-F-55
電液換向閥
DG5S-H8-0A-M-U-H5-50 DG4V-5-6CJ-H-VM-U-H6-20
如何利用集成BP網(wǎng)絡(luò)診斷液壓泵故障
由于錯誤診斷系統(tǒng)的復雜性，將神經(jīng)網(wǎng)絡(luò)利用于障診斷系統(tǒng)的籌劃中，將是大規(guī)模神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和學習成就。為了減少工作的復雜性，減少網(wǎng)絡(luò)學習時間，本文將錯誤診斷知識湊集分解為幾個邏輯上獨立的子湊集，每一個子湊集再分解為若干規(guī)則子集，爾后根據(jù)規(guī)則子集來結(jié)構(gòu)網(wǎng)絡(luò)。每個規(guī)則子集都是一個邏輯上獨立的子網(wǎng)絡(luò)的映射，規(guī)則子集間的聯(lián)系，經(jīng)過進程子網(wǎng)
DG4V-5-2N-H-M-U-C6-20 DG4V-5-31C-M-U-EH6-20 DG4V-5-6CJ-M-U-H6-20-J12
DG4V-5-6C-H-M-U-C6-20 DG4V-5-6CJ-M-U-HL6-20 DG4V-5-6CJ-M-U-H6-20-J08
DG5S-8-2N-T-M-U-H5-30 DG5S-8-6C-T-M-U-H7-40 DG4V-5-2CJ-M-U-H6-20-J99
DG4V-5-6CJ-M-U-H6-20-J99 DG4V-5-6CJ-M-U-H6-20-J10 DG5S-5-33C-2-M-U-C6-21
DG4V-5-6CJ-M-U-H6-20-J06 DG4V-5-6CJ-VM-U-H6-20-J0 DG5S-5-2N-1-E-MU-H7-21
絡(luò)的權(quán)系矩陣表示。各個子網(wǎng)絡(luò)獨立地利用BP學習算法分別結(jié)束學習演習。由于分解后的子網(wǎng)絡(luò)比原來的網(wǎng)絡(luò)規(guī)模小得多且成就局部化了，從而使演習時間大為減少。利用集成BP網(wǎng)絡(luò)結(jié)束液壓泵軸承錯誤診斷的信息處理能力源于神經(jīng)元的非線性機理特性和BP算法，每一個子網(wǎng)絡(luò)均為一個BP網(wǎng)絡(luò)，各個子網(wǎng)絡(luò)由BP算法各自學習，學習后的結(jié)果由控制網(wǎng)絡(luò)集成。BP網(wǎng)絡(luò)的學習算法如 把選取的每一個特性參數(shù)（包括能量特性，幅值特性和倒譜包絡(luò)特性)x的值映像到神經(jīng)網(wǎng)絡(luò)輸入輸入層的單個節(jié)點上，
方向閥美國VICKERS威格士電液換向閥
