作者:李春祥,张佳丽 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》2019年第01期 页数:14页  (PDF与DOC格式可能不同) PDF编号:PDFZDCS2019010310 DOC编号:DOCZDCS2019010319 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于涡流检测信号的航空发动机叶片缺陷分类与评估方法》PDF+DOC2016年第02期 于霞,张卫民,邱忠超,秦峰 《基于料斗秤的定量装车系统算法》PDF+DOC2015年第09期 董秀明,李丽宏,韩芝星 《基于广义回归神经网络的传感器故障检测》PDF+DOC2017年第09期 李长征,张瑜 《航空发动机传感器故障诊断方法研究》PDF+DOC2010年第02期 孙晓倩,艾延廷,张振 《关于传感器的故障诊断技术分析》PDF+DOC2016年第08期 洪德烈 《SVR结合小波变换的SUH传感器故障诊断》PDF+DOC2011年第20期 吴康,韩波,李平 《水下机器人故障诊断方案》PDF+DOC2008年第02期 王建国,吴恭兴,赵福龙,万磊 《水下机器人传感器故障诊断》PDF+DOC2007年第04期 王建国,万磊,徐玉如 《基于EEMD能量熵和LSSVM的传感器故障诊断》PDF+DOC2013年第07期 丁国君,王立德,申萍,杨鹏 《基于小波去噪的冷水机组传感器故障检测》PDF+DOC2013年第03期 胡云鹏,陈焕新,周诚,徐荣吉
  • 为有效应对多点风速传感器或风压传感器故障而造成的损失,同时为了降低运算的复杂性和工程应用的难度,需要提出同步恢复缺失数据的模型。传统的多通道信号诊断采用多元经验模态分解(multivariate empiricalmode decomposition,简称MEMD),笔者提出多变量经验小波变换(multivariable empirical wavelet transform,简称MEWT)来同步恢复多点缺失数据。具体应用时,首先,运用MEWT将多点信号同时分解为一系列模态;然后,利用核函数极限学习机(kernel-based extreme learning machine,简称KELM)实现同步预测,同时运用杜鹃搜索(cuckoo search,简称CS)算法对模型的正则化参数以及核参数进行智能寻优。多步预测时,采用多输入多输出(multi-input multi-output,简称MIMO)策略代替传统的滚动策略。建筑物表面实测多点风压数据和实测多点下击暴流风速数据用于验证模型的可行性。与噪声辅助的多元经验模态分解核函数极限学习机的对比结果表明,该模.....。

    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。