排序方式: 共有41条查询结果,搜索用时 15 毫秒
1.
2.
关于人工神经网络在智能传感器中的应用研究 总被引:7,自引:2,他引:7
对于一般的传感器而言,其输出特性容易受多种因素的干扰,采用传统的方法处理效果不明确或成本太高。利用神经网络的非线性映射及泛化功能,就能很好解决上述问题,但由于传统的BP网络本身存在着一些缺陷,本文将通过对比不同的神经网络,不同学习算法找到一种较快收敛速度及较高精度的训练方法和神经网络。 相似文献
3.
在大型回转机械状态监测与诊断中,常利用两路相互垂直的振动信号合成轴心轨迹来监测其运行状态和故障类型,不易获得清晰的特征。本文利用数学形态学的一些基本功能还原出干净的轴心轨迹,为研究轴心轨迹图像的特征提取和识别提供可靠的数据,使计算机能自动进行旋转机械故障的诊断。 相似文献
4.
本文介绍了我们自行设计的多路电池性能自动测试分析系统的设计构思,实现和用途,讨论了系统的功能特点以及部分电池测试数据分析。运行结果表明,该系统能准备稳定可靠地完成设计规定的任务,对电池质量的提高,电池性能的分类配对经及电池使用寿命延长方面的研究,都有十分重要的意义。 相似文献
5.
通过分析旋转机械轴心轨迹的特点,分别用傅里叶子、Hu矩及形状谱计算,并结合神经网络进行分类。实验结果表明,以数学形态学方法为基础的形状谱,轴心轨迹故障类型图形具有旋转、缩放、平移不变性。用形状谱能清晰地描述4类故障的几何意义且识别率高,这表明利用数学形态学能较好地进行旋转机械故障诊断。 相似文献
6.
7.
基于RBF的传感器在线故障诊断和信号恢复 总被引:4,自引:0,他引:4
介绍利用径向基神经网络构造了一种在线故障诊断及信号恢复方法,给出了网络的连接结构和学习算法。采用RBF神经网络进行传感器在线故障诊断和信号恢复,其仿真结果表明,该方法具有收敛速度快、信号恢复准确度高、泛化能力强的特点,且可以诊断多种复杂工作系统的传感器在线故障信号,同时进行信号的恢复。实现传感器状态监测、故障诊断、分离和信号恢复。 相似文献
8.
9.
基于数学形态学的轴心轨迹自动识别法 总被引:1,自引:0,他引:1
通过分析旋转机械轴心轨迹的特点,以数学形态学方法进行降噪处理,并提纯轴心轨迹,针对轴心轨迹故障类型图形具有旋转、缩放、平移不变性等特点,提出了用数学形态学的形状谱描述轴心轨迹特征向量,并结合神经网络进行分类,最终形成一个轴心自动识别系统,实验表明利用数学形态学能较好地进行旋转机械故障的诊断. 相似文献
10.