《基于基座多传感核主元分析的故障诊断》PDF+DOC
作者:李学军,杨大炼,郭灯塔,蒋玲莉
单位:中国仪器仪表学会
出版:《仪器仪表学报》2011年第07期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFYQXB2011070170
DOC编号:DOCYQXB2011070179
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量分类机的模拟电路故障诊断方法》PDF+DOC2007年第03期 吕靖,雷源涛
《基于多传感器信息融合的故障诊断方法》PDF+DOC2016年第01期 孙国玺,雷高伟,张清华,王磊,邵龙秋
《基于多传感器信息融合的滚动轴承故障诊断研究》PDF+DOC2016年第07期 俞昆,谭继文,李善
《基于多传感器信息融合的焦煤机械液压系统故障诊断研究》PDF+DOC2017年第17期 韩笑
《基于多传感器信息融合和神经网络的汽轮机故障诊断研究》PDF+DOC2010年第03期 凌六一,黄友锐,魏圆圆
《多特征信息融合的贝叶斯网络故障诊断方法研究》PDF+DOC2010年第08期 姜万录,刘思远
《多信息融合的电梯实时故障诊断系统设计》PDF+DOC2009年第11期 李端,苏珊,艾永乐
《基于证据推理规则的信息融合故障诊断方法》PDF+DOC2015年第09期 徐晓滨,郑进,徐冬玲,杨剑波
《多传感器信息融合的智能故障诊断》PDF+DOC2014年第05期 宋玉琴,朱紫娟,姬引飞
《基于核主元分析的水轮机调节系统故障诊断》PDF+DOC2013年第05期 刘明华,南海鹏,余向阳
传统振动测试中传感器一般安装在靠近振源位置,此类方式采集的振动信号的故障特征相对明显,但实际应用中常存在传感器安装不便的矛盾。本文提出基于基座的故障诊断方法,以多个传感器采集的基座上的微弱故障特征信号为原始信号,通过核主元分析(kernel principal component analysis,KPCA)进行信息融合,利用支持向量机(support vector machine,SVM)进行模式识别。文章还探析了核参数选取对KPCA性能的影响,最后实例验证了基于基座故障诊断方法的可行性。
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。