排序方式: 共有25条查询结果,搜索用时 15 毫秒
11.
12.
13.
针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优. 相似文献
14.
15.
16.
17.
18.
19.
超声波颗粒监测尺寸标定方法研究 总被引:3,自引:0,他引:3
为了解决超声波颗粒监测尺寸标定过程中的非线性问题,提出了一种基于相对精度标定原则的超声波磨粒监测装置中的颗粒尺寸标定方法。首先,将标定颗粒在Malvern2600激光颗粒分析仪上的测试结果作为标定数据,在超声波颗粒监测装置试验中通过混合进化算法进行颗粒与气泡信号的区分。然后,利用Levenberg—Marquardt改进BP算法进行标定曲线拟合,建立超声波颗粒监测装置上的试验数据与标定数据之间的对应关系。最后,本文进行了拟和标定曲线的精度分析。 相似文献
20.
基于自回归模型(Autoregressive model,AR)和相关极点谱分解技术的轴承状态检测方法在自动检测方面有着较大优势,但是AR谱会受到阶数、估计法和样本点数的影响而导致故障频率与相关极点产生偏差,造成在检测过程中对故障产生误判.针对该问题提出了一种基于遗传算法的AR谱极点频率优化方法,利用遗传算法对AR谱极点进行优化,得出适宜的阶数和样本点数,使AR谱极点与对应的故障频率相接近,让故障检测图变得清晰.最后对具有内圈故障的轴承信号数据进行实验验证并取得了较好的结果,为AR谱选择合适的阶数和样本点数提供了可靠的保证. 相似文献