首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 578 毫秒

1.  基于小波变换和LS-SVM的雷达故障诊断  
   涂望明  宋执环  陈运涛  魏友国  周晶晶《控制工程》,2013年第20卷第2期
   根据雷达接收机信号特点,提出了将小波变换和最小二乘支持向量机相结合的雷达故障诊断新方法.首先,根据专家经验选取电路中恰当的测试点,运用小波变换对采样数据进行处理和特征提取,然后建立了雷达故障诊断模型.最后再运用最小二乘支持向量机(LS-SVM)的基本原理和分类方法进行故障诊断,并在某型雷达接收机故障诊断中进行了实际应用研究.采样信号先经过小波降噪处理,以减少采样引人的误差,再进行小波分解提取能量系数作为雷达的故障特征向量,经归一化处理后,作为输入向量,经诊断模型输出后完成雷达接收机典型故障的诊断.MATLAB实例仿真结果表明,该方法有很好的分类能力,提高了雷达故障诊断的正确性和效率.    

2.  雷达接收机故障诊断辅助系统的设计研究  
   蔡云龙  潘红兵  朱启龙《舰船电子对抗》,2013年第6期
   为了提高雷达接收机故障诊断的速度和精度,快速准确地排除接收机故障,设计出雷达接收机离线故障诊断辅助系统。该系统使用嵌入式微处理器智能控制,结合大规模集成电路现场可编程门阵列(FPGA),可产生模拟雷达中频回波信号,使雷达接收机在仿真环境中工作,以便于维修人员进行故障检测分析。该系统已经应用于某型雷达检测仪。    

3.  基于小波神经网络的开关电源的故障诊断  被引次数:2
   陈特放  邹修铁  刘秋英《计算机测量与控制》,2009年第17卷第1期
   以非线性小波Morlet基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立集小波分析与神经网络于一体的紧致型小波神经网络;采用能量分布特征提取方法和改进的BP算法,设计了一种基于小波神经网络的故障诊断系统,并应用于开关电源故障诊断中;对实例电路仿真结果表明,该方法能正确识别各种故障状态,准确率高,系统诊断结果与实际相符,验证了该小波神经网络故障诊断系统的有效性。    

4.  基于小波包与概率神经网络相结合的滚动轴承故障诊断  
   柴保明  吴治南  赵志强  董强强  陈景礼《煤矿机械》,2014年第35卷第12期
   基于小波变换的滚动轴承故障诊断,振动信号中的高频部分对诊断结果有一定影响,为克服此影响,首先运用小波包对SKF型滚动轴承故障信号进行预处理,以此为特征向量结合概率神经网络去验证模型的实用性和可行性.分析结果表明,小波包与概率神经网络相结合的故障诊断方法可以有效的应用于滚动轴承故障诊断.    

5.  基于小波神经网络的水电机组振动故障诊断研究  被引次数:8
   彭文季  罗兴锜《水力发电学报》,2007年第26卷第1期
   提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。    

6.  基于小波包分解和支持向量机的机械故障诊断方法  被引次数:14
   何学文  卜英勇《机械强度》,2004年第26卷第1期
   提出应用小波包分解和支持向量机进行机械故障诊断的方法。该方法将振动信号小波包分解后的频带能量作为特征向量,输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。试验结果表明,与神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度,表明该方法是有效的、可行的。    

7.  基于小波神经网络的可更换电路单元故障诊断  被引次数:4
   李银军  张彦斌《国外电子测量技术》,2010年第29卷第8期
   文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于某装备可更换电路单元故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。    

8.  基于小波包特征熵支持向量机的故障分类方法研究  
   刘泽华  高亚奎《计算机测量与控制》,2010年第18卷第9期
   提出了一种基于小波包特征熵和支持向量机相结合的故障分类方法,利用小波包分解提取信号的特征熵.然后将得到的特征熵向量输入支持向量机进行故障识别;通过对某型飞机液压系统试验中获取不同的故障特征数据进行分类,结果表明,该方法能利用较少的故障特征得到较高的诊断精度,与BP神经网络相比,采用支持向量机进行故障分类可以获得更高的识别率,表明该方法是有效、可行的.    

9.  基于小波神经网络的故障诊断方法研究  
   田佳禾  孙士慧  赵仕俊《计算机系统应用》,2008年第17卷第5期
   研究了基于小波分析和神经网络松散型结合的故障诊断方法。用信号的小波包分解结果作为神经网络的输入特征向量,采用遗传算法对神经网络的参数进行全局优化,最后用训练过的神经网络进行故障诊断。仿真结果表明,该方法较L-M算法有更高的计算速度和精度。将该方法应用于平流泵故障诊断,证实了它的可行性和有效性。    

10.  基于小波BP神经网络的城轨列车辅助逆变系统故障诊断  
   姚德臣  贾利民  秦勇  彭伟  杨颖《中国工程机械学报》,2013年第6期
   在研究城轨列车辅助逆变系统故障诊断模型的基础上,提出一种基于小波包和神经网络相结合的故障诊断方法.该方法首先对采集到的电压信号进行小波降噪,再经过小波包分解和重构,构造特征向量,以此为故障样本对BP(Back propagation)神经网络进行训练,实现智能化故障诊断.实验结果表明:该方法能够很好地诊断出城轨列车辅助逆变系统的故障类型,这为辅助逆变系统的故障诊断和故障动态监测提供了新的参考,具有一定的工程应用价值.    

11.  基于小波神经网络的电机故障诊断研究  
   杨朋松  吕永健  逯国亮《大电机技术》,2009年第4期
   提出了用小波神经网络对电机进行故障诊断的方法。利用小波神经网络对任意函数或信号具有有效的逼近功能的这一特点,对异步电动机故障进行有效的诊断与监控。通过实例仿真验证了基于小波神经网络的电机故障诊断方法,并与BP神经网络比较,进一步说明小波神经网络在故障诊断中的优越性。    

12.  电动机故障诊断技术探讨  
   王惠中  効迎春  张荧  朱宏毅《工矿自动化》,2015年第41卷第1期
   介绍了电动机常见电气故障和机械故障的类型及产生原因,详细阐述了短时傅里叶变换、小波变换、小波包变换、经验模态分解等基于信号处理的诊断方法,以及基于专家系统、模糊理论、支持向量机、神经网络等的智能诊断方法在电动机故障诊断中的应用,指出多种诊断方法相结合以及信息融合方法是电动机故障诊断技术的发展趋势。    

13.  基于小波包与神经网络的柴油机故障诊断  
   何庆飞  王汉功  陈小虎  毋文峰《山东内燃机》,2007年第4期
   针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。    

14.  基于PNN和第二代小波熵的智能故障诊断研究  
   曹满亮  卢昆鹏《可编程控制器与工厂自动化(PLC FA)》,2014年第10期
   本文结合转管自动机运动循环过程和振动信号的非线性短时冲击特性,提出了截取振动信号中有用信息进行第二代小波分析,在此基础上提取第二代小波熵,并把其作为特征向量应用概率神经网络对转管自动机进行故障模式识别,实现了对实际射击信号的转管自动机故障诊断,从而验证了该方法的有效性。    

15.  基于谐波小波包的旋转机械故障诊断新方法  
   张建刚  秦红义  王冬云  陈爽  张文志《测控技术》,2012年第31卷第5期
   针对旋转机械的故障振动信号通常为复杂的动态非平稳信号,提出一种基于谐波小波包和Elman神经网络的故障诊断新方法。应用谐波小波包对信号进行分解,提取倍频能量特征向量,代入Elman神经网络,实现故障分类。通过试验分析及与BP网络的诊断结果对比,表明该方法在旋转机械的故障诊断方面具有显著优势。    

16.  小波神经网络在抽油机井故障诊断中的应用  被引次数:2
   张正辉  刘娟  张正刚《大庆石油学院学报》,2004年第28卷第5期
   针对抽油机井故障特点,构造了三层小波神经网络,采用带有动量项且学习速率自适应调整的BP算法训练小波神经网络;利用与学习样本和激励函数相联系的方法设置了网络参数的初值,研究了基于小波神经网络的抽油机井故障诊断方法.应用此方法,对某厂的30口故障抽油机井的进行诊断,正确率在95%以上.    

17.  基于小波网络的飞控系统故障仿真建模及诊断*  被引次数:2
   黄宜军  章卫国  刘小雄《计算机应用研究》,2006年第23卷第7期
   选择以Sigmoid函数为基础的小波基波函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。    

18.  基于支持向量机的齿轮故障诊断方法研究  被引次数:13
   王凯  张永祥  李军《振动与冲击》,2006年第25卷第6期
   故障样本的不足从一定程度上制约了基于知识的方法在实际故障诊断中的应用,针对这一问题,利用支持向量机在小样本情况下具有较强分类能力的特点,提出了一种基于支持向量机的齿轮故障诊断方法。该方法采用小波变换对齿轮的振动信号进行处理来构造特征向量,并直接输入到支持向量机的多故障分类器中进行故障识别。试验结果表明该方法是有效、可行的,且在小样本情况下比BP神经网络具有更高的诊断精度。    

19.  自适应小波降噪的泵机组故障诊断  被引次数:4
   武建军  邓松圣  周爱华  秦瑞胜《化工自动化及仪表》,2010年第37卷第4期
   泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。    

20.  基于小波神经网络的陀螺仪故障诊断  被引次数:1
   佟亮  牛皖闽  李艳东  马吉臣《计算机测量与控制》,2009年第17卷第11期
   为了准确可靠地发现和预测陀螺仪的故障,提出了一种基于RBF小波神经网络的陀螺仪故障检测方法;该方法是将陀螺仪的输出信号进行三层小波包分解,再对分解得到的8个不同频段上的节点进行特征提取,将提取后的8维特征向量作为RBF神经网络的输入;当陀螺仪发生故障时,陀螺仪的输出信号中会产生突变成分,进行训练后的RBF神经网络可以准确地诊断出陀螺仪的故障类型;应用Matlab实现了RBF小波神经网络诊断陀螺仪故障类型的仿真;仿真结果表明,应用RBF小波神经网络进行陀螺仪故障诊断有很好的效果。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号