《基于多传感器信号分析的故障诊断》PDF+DOC
作者:陈轶,杨奕,包辉慧,陆艳娟,张烨
单位:大连组合机床研究所:中国机械工程学会生产工程分会
出版:《组合机床与自动化加工技术》2016年第09期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFZHJC2016090280
DOC编号:DOCZHJC2016090289
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于K-Means和粗糙集神经网络的节点故障诊断》PDF+DOC2014年第02期 宋喜忠
《多传感器信息融合与神经网络的汽轮机的故障分析》PDF+DOC2017年第22期 刘国斌
《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
《一种结合粗糙集与神经网络的多传感器信息融合算法》PDF+DOC2009年第02期 刘决仕,金晶,陈华曦
《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
《基于多传感器信息融合的矿井通风机故障诊断》PDF+DOC2008年第06期 凌六一,黄友锐
《利用多传感器信息融合技术实现电子装备的故障诊断》PDF+DOC2008年第01期 田庆民,王玉
《基于粒子滤波的分布式故障诊断》PDF+DOC2008年第03期 刘喜梅,魏婉韵,于飞
《基于粗糙D-S理论的身份融合方法》PDF+DOC2007年第10期 路艳丽,雷英杰,王晶晶
《基于多传感器振动信号融合的真空断路器故障诊断》PDF+DOC2013年第02期 齐贺,赵智忠,李振华,赵素文
为解决复杂环境中难以诊断的机械故障,以振动信号和温度、压力等测量信号为基础,建立一种基于多种传感器信号分析的故障诊断模型。针对振动信号,采用小波包对原始振动信号进行分解,提取特征值组成原始特征向量,然后采用粗糙集方法对原始特征向量进行特征约简,将约简后的分类规则作为对向神经网络的训练集。针对温度、压力等测量信号,将各个传感器测量的数据融合形成特征向量,利用遗传算法优化的BP神经网络对其进行训练和模式识别。最后对这两类信号的诊断结果进行融合,构成了一种复合故障诊断模型。实验证明,该诊断模型有较高诊断精度和准确度。
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。