作者:刘立生,杨宇航 单位:中国振动工程学会;上海交通大学;上海市振动工程学会 出版:《振动与冲击》2012年第17期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFZDCJ2012170310 DOC编号:DOCZDCJ2012170319 下载格式:PDF + Word/doc 文字可复制、可编辑
《神经网络在砖混结构健康监测中的应用》PDF+DOC2015年第35期 李昀阳,杨昌民,张耀跃 《基于自适应Kalman滤波的SAW测温数据纠错方法》PDF+DOC2016年第12期 薛明喜,杨扬,张晨睿,韩韬 《压电陶瓷传感器的灵敏度温漂误差补偿研究》PDF+DOC2020年第03期 陈高华,闫献国,郭宏,姚永超 《氧传感器故障状态补偿控制方法的研究》PDF+DOC2012年第08期 胡杰,颜伏伍,朱航,杨俊伟 《基于Elman神经网络的无线传感器网络测距模型》PDF+DOC2011年第06期 韩庆玉,李媛,宫红彩,郭强 《一种颜色传感器结合Elman神经网络在颜色识别上的研究》PDF+DOC2010年第06期 李旭宇,彭波 《基于Elman神经网络的传感器补偿算法研究》PDF+DOC2009年第20期 王秀芳,句莉莉,魏春明,张延光 《基于Elman神经网络的潜油电机速度辨识研究》PDF+DOC2007年第24期 邓辉,薛冰,徐殿国,王立国,杨静 《Elman改进型神经网络在X射线探测器中的应用》PDF+DOC2015年第05期 王旭,张豪杰,王芳,田丰硕,李云鹏,赵会会,马春旺 《基于Elman超声信号时间融合的塔机防碰撞技术》PDF+DOC2014年第01期 李西平,谷立臣
  • 主减速器(简称“主减”)是直升机传动系统的关键部件,它常处于高转速高负荷的恶劣环境下,对其运行状态进行预测,于直升机的安全性来说至关重要。鉴于此,提出了一种离散小波变换(DWT)、Kalman滤波以及Elman神经网络相结合的直升机主减智能状态预测系统:DWT使用“db44”母小波对振动信号进行分解提取特征向量,Kalman滤波对未来各时刻的特征向量进行预测,Elman神经网络对预测值进行故障辨识和分类。在Kalman滤波算法中,提出了一种新的预测算法,并用实验对该算法组成的系统进行验证,结果表明:该Kalman滤波算法预测效果好,更适用于对主减的特征向量进行预测;离散小波变换(DWT)、Kalman滤波以及Elman神经网络相结合组成的智能状态预测系统是可行的,它能很好地对主减的未来状态进行预测。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。