《基于多传感器振动信号融合的真空断路器故障诊断》PDF+DOC
作者:齐贺,赵智忠,李振华,赵素文
单位:西安高压电器研究所
出版:《高压电器》2013年第02期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFGYDQ2013020160
DOC编号:DOCGYDQ2013020169
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《基于多传感器信号分析的故障诊断》PDF+DOC2016年第09期 陈轶,杨奕,包辉慧,陆艳娟,张烨
《多传感器信息融合技术在液压系统故障诊断中的应用》PDF+DOC2019年第07期 任凤娟
《基于多分辨率小波网络-BP神经网络-D-S证据理论信息融合模型的直流系统故障诊断方法》PDF+DOC2004年第24期 李冬辉,周巍巍
《基于信息融合理论的柴油机故障诊断技术》PDF+DOC2010年第06期 王江萍,王潇,鲍泽富
《证据理论在旋转机械故障诊断中应用》PDF+DOC2007年第02期 刘永安,白文宝,徐保国
《基于神经网络信息融合的智能故障诊断方法》PDF+DOC2008年第06期 李斌,章卫国,宁东方,尹伟
《神经网络数据融合的风机智能诊断系统研究》PDF+DOC2008年第03期 曾良才,曾永龙,傅连东,易建钢,涂福泉
《基于信息融合的控制系统中模拟电路故障诊断》PDF+DOC2007年第12期 张超杰,贺国,梁述海,陈国钧
《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
根据真空断路器故障诊断特点,提出了小波包、RBF神经网络与D-S证据理论相结合的决策层信息融合诊断方法。首先,运用小波包—能量谱分析方法对振动信号进行分解处理,提取特征向量,并以此作为诊断的依据;其次,建立神经网络模型,以特征向量为RBF神经网络的输入,进行断路器初步故障诊断;然后将诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对初步诊断结果的融合,从而得到最终的融合诊断结果。实验结果表明,该方法诊断真空断路器故障能取得良好的效果。
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。