《基于提升小波包和神经网络的结构损伤检测》PDF+DOC
作者:陈换过,江金寿,李剑敏,田莉,张利绍
单位:南京航空航天大学;全国高校机械工程测试技术研究会
出版:《振动.测试与诊断》2013年第01期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFZDCS2013010240
DOC编号:DOCZDCS2013010249
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于神经网络与特征融合的损伤诊断方法》PDF+DOC2008年第06期 刘义艳,段晨东,巨永锋,赵学风,韩旻
《基于小波包与SOM神经网络的传感器故障诊断》PDF+DOC2017年第07期 李娟娟,孟国营,谢广明,贾一凡
《飞行器导航传感器故障诊断的应用研究》PDF+DOC2012年第02期 张玉,尹腾飞,贾海云
《基于无线传感器网络的声目标识别算法研究》PDF+DOC2007年第12期 宋海涛,何明一,段渭军,王福豹
《滚动转子式压缩机故障的在线检测》PDF+DOC2005年第01期 罗小荣,吴亚锋,魏文德
《基于小波包和神经网络的瓦斯传感器故障诊断》PDF+DOC2010年第05期 赵金宪,金鸿章
《食醋分类中气体传感器阵列的一种优化方法》PDF+DOC2008年第08期 张宏顺,张仲欣,殷勇
《基于小波包LVQ网络的传感器故障诊断》PDF+DOC2007年第01期 徐涛,王祁
《基于小波包与神经网络的EPS转矩传感器故障诊断》PDF+DOC2014年第03期 熊挺
《矿井主通风机在线监测与故障诊断系统》PDF+DOC2013年第01期 李曼,司颉,张锋军
提出一种提升小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法。首先,对多个传感器采集的振动响应信号进行提升格式小波包分解,定义标准化相对能量并计算每个频带上的相对能量;然后,把这些传感器信号的小波包相对能量融合作为神经网络分类器的输入特征向量,实现损伤的诊断和评价。数值仿真结果表明,提升小波包分解的频带能量分布能够较好地反映结构的损伤特征;特征融合能够使不同传感器的信息相互补充,减小了损伤检测信息的不确定性,使诊断信息具有较高的精度和可靠性。
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。