《基于KPCA-BP网络模型的滚动轴承故障诊断方法研究》PDF+DOC
作者:徐卫晓,宋平,谭继文
单位:哈尔滨煤矿机械研究所
出版:《煤矿机械》2014年第08期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFMKJX2014081190
DOC编号:DOCMKJX2014081199
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于BP神经网络和D-S证据理论的滚动轴承故障诊断方法研究》PDF+DOC2014年第23期 徐卫晓,谭继文,文妍
《基于神经网络的直升机自动倾斜器轴承故障诊断方法》PDF+DOC2016年第02期 金小强,李新民,陈焕,张先辉
《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC2017年第04期 周国宪,伍星,刘韬
《基于GA-BP神经网络的多传感器轴承故障诊断》PDF+DOC2017年第10期 李荣远,张国银,王海瑞,王雪,宋怡然,齐磊,任玉卿
《基于多传感器信号和卷积神经网络的滚动轴承故障诊断》PDF+DOC2020年第04期 朱丹宸,张永祥,潘洋洋,朱群伟
《滚动轴承故障诊断方法比较及实验验证》PDF+DOC1992年第02期 赵章焰,李臻鑫
《基于信息融合的滚动轴承故障诊断》PDF+DOC2005年第02期 杨帆,浦昭邦,庄严,赵玉刚
《基于多传感器信息融合的滚动轴承故障诊断》PDF+DOC2012年第03期 艾莉,华静
《基于数据融合的滚动轴承故障诊断研究》PDF+DOC2011年第03期 黄银花
《基于虚拟仪器技术的滚动轴承故障诊断的包络分析》PDF+DOC2007年第04期 潘飞,秦树人,柏林
针对滚动轴承信号的非线性、非平稳性特点及诊断中冗余与噪音的干扰,引入了核主元分析法和BP神经网络相结合的方法对轴承的故障信号进行诊断,以提高轴承故障诊断的性能。通过5个传感器采集轴承不同状态的故障信号,利用小波包提取能量特征值,同时提取轴承的时-频域特征量组成原始特征空间,利用核主元分析方法对原始特征空间降维,提取主元特征量输入到BP神经网络中进行故障模式识别。试验结果表明,KPCA-BP网络模型的性能优于未筛选-BP网络,具有更好的诊断效果和抗干扰能力。
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。