作者:刘胜,吴迪,李芃 单位:中国航天总公司首都航天机械公司 出版:《航天制造技术》2018年第02期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFHTGY2018020150 DOC编号:DOCHTGY2018020159 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于EA-DS证据理论的安全事件关联分析》PDF+DOC2015年第11期 龙春,申罕骥,李俊 《基于D-S证据理论与嵌入式传感器的监控与故障诊断》PDF+DOC2000年第06期 杜庆东,徐凌宇,赵海 《证据理论在多源数据融合故障诊断中的应用》PDF+DOC2012年第06期 崔刚,樊增彬,郑振祥 《D-S证据理论在多传感器故障诊断中的改进及应用》PDF+DOC2011年第S1期 李月,徐余法,陈国初,苗锐,俞金寿 《基于证据距离与不确定度的证据组合方法(英文)》PDF+DOC2011年第05期 韩德强,邓勇,韩崇昭,侯志强 《基于改进证据理论的多传感器信息融合故障诊断》PDF+DOC2014年第10期 刘希亮,陈桂明,李方溪,张倩 《基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究》PDF+DOC2014年第02期 胡金海,余治国,翟旭升,彭靖波,任立通 《基于改进证据理论的齿轮泵故障诊断方法研究》PDF+DOC2014年第02期 刘希亮,陈桂明,李方溪,张倩 《改进D-S证据理论在多传感器信息融合中的应用》PDF+DOC2013年第30期 王国华,辛江涛,张欣豫 《基于改进证据理论的故障诊断方法研究及应用》PDF+DOC2013年第18期 刘希亮,陈桂明,李方溪,张倩,罗显廷
  • 针对机床主轴承的故障诊断,为解决传统方法仅由单一传感器数据分析准确性低的问题,提出基于主元小波包、递归神经网络以及振动及噪声信号多源数据融合的轴承故障诊断方法,实现对锻压机床主轴承的故障诊断。将振动及噪声传感器采集的信号,经主元小波包处理提取特征值,再利用递归神经网络进行局部故障诊断,得到不同传感器对轴承故障互相独立的故障证据,然后采用基于数据修正D-S证据理论将振动及噪声诊断结果融合,发现基于递归神经网络及数据修正D-S证据理论的诊断方法。该方法解决了单一传感器的不稳定性和局限性以及传统D-S证据理论冲突证据失效的问题,使故障诊断具备容错能力,提高了传统故障诊断的精确度。

    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。