作者:陈法法,汤宝平,姚金宝 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》2013年第09期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFZDCJ2013090080 DOC编号:DOCZDCJ2013090089 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于DSmT的航空发动机早期振动故障融合诊断方法》PDF+DOC2012年第02期 翟旭升,胡金海,谢寿生,刘佳,李强 《基于多传感器信息融合的矿井提升机诊断系统设计》PDF+DOC2018年第12期 祁瑞敏 《CNN和D-S证据理论相结合的齿轮箱复合故障诊断研究》PDF+DOC2019年第10期 张立智,井陆阳,徐卫晓,谭继文 《小经神经网络的信息融合传感器故障诊断方法》PDF+DOC2008年第24期 王蕾,伦志新,张艳丽 《车辆齿轮箱静电监测》PDF+DOC2015年第01期 刘若晨,左洪福,孙见忠,李鑫,冒慧杰 《多传感器信息融合技术在无损检测中的应用研究》PDF+DOC2000年第08期 许军,罗飞路,张耀辉 《变压器故障诊断中数据融合技术的研究》PDF+DOC2006年第04期 吴宏岐,贾宏宾,张小娟,高蕊 《电气设备故障诊断中的信息融合技术研究》PDF+DOC 吴宏岐,周妮娜,张正喜 《基于灰关联信息融合的转子系统早期故障发现研究》PDF+DOC2006年第01期 赵荣珍,李朝晖,张白桦,张优云 《基于SVM与多振动信息融合的齿轮故障诊断》PDF+DOC2010年第06期 蒋玲莉,刘义伦,李学军,陈安华
  • 针对齿轮箱早期故障特征十分微弱难以有效辨识问题,提出基于DSmT理论与小波神经网络的齿轮箱早期故障融合诊断模型。利用多个振动传感器合理布置在齿轮箱的多个关键部位采集多源振动信息并进行特征提取;利用多个并联小波神经网络实现齿轮箱早期故障的初级诊断获得彼此独立的多个证据;利用DSmT理论对多个独立证据进行融合决策得出齿轮箱的最终诊断结论。DSmT理论克服了传统DST证据理论的局限性,小波神经网络实现多源证据信度分配的客观化。诊断实验结果表明,该方法能有效提高齿轮箱早期故障特征的辨识精度、降低诊断的不确定性。

    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。