Es wird eine neue neuronale Netzwerkstruktur beschrieben, die eine vollständige Reproduktion der subjektiven Geräuschtestergebnisse ermöglicht. Bei vielen Einsatzfällen technischer Fehlerdiagnosen kann nicht mehr mit algorithmischer Beschreibung oder sonstigen mathematischen Modelldarstellungen gearbeitet werden. In diesen Fällen können neuronale Netzwerke als adaptive und selbstlernende Mustererkennung für die Analyse der Geräuschsignale eingesetzt werden. Der erreichte Stand der numerischen Klassifizierungsmethoden wird kurz dargestellt. Es werden dann die Kriterien der neuen Vorgehensweise umrissen. Die neuronale technische Näherungsmethode simuliert die Folge des Informations-Funktionsablaufes von Nervenzellen oder der Neuronen des menschlichen zentralen Nervensystems durch brauchbare Algorithmen oder Modelle. Das Verfahren wird ausführlich beschrieben und auf die selbstorganisierende und selbstlernende Vorgehensweise bei der Netzwerktechnik eingegangen. Näherungsverfahren und Mustererkennung wurden am Beispiel der Geräusch-Signalanalyse von Fahrzeug-Gebläsemotoren untersucht und dargestellt. Dabei wird die Exaktheit des Verfahrens anhand der wiedergegebenen Untersuchungsergebnisse nachgewiesen. (Oe)
Signal classification using a new self-organising and fast converging neural network
Signalklassifikation durch Einsatz eines neuen selbstorganisierenden und konvergierenden neuronalen Netzwerks
Noise & Vibration Worldwide ; 22 , 9 ; 11-19
1991
9 Seiten, 11 Bilder, 1 Tabelle, 16 Quellen
Article (Journal)
English
Taylor & Francis Verlag | 2018
|Fast video‐based queue length detection approach for self‐organising traffic control
Wiley | 2019
|Fast video-based queue length detection approach for self-organising traffic control
IET | 2019
|Optimal mapping of graph homomorphism onto self organising Hopfield network
British Library Online Contents | 1997
|