《基于小波包分形的瓦斯传感器故障诊断方法》PDF+DOC
作者:陈宏,邓芳明,吴翔,付智辉
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2016年第11期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2016110080
DOC编号:DOCCGQJ2016110089
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于小波包和GBDT的瓦斯传感器故障诊断》PDF+DOC2016年第12期 王立平,邓芳明
《基于小波包和RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第02期 单亚峰,孙璐,付华,訾海
《基于小波包和神经网络的瓦斯传感器故障诊断》PDF+DOC2010年第05期 赵金宪,金鸿章
《基于SVR的瓦斯传感器故障诊断方法》PDF+DOC2009年第02期 付华,杨欣,高婷
《基于小波包和支持向量机的传感器故障诊断方法》PDF+DOC2008年第05期 冯志刚,王祁,徐涛,信太克规
《基于小波神经网络技术的井下瓦斯传感器故障诊断分析》PDF+DOC2016年第05期 邵俊倩
《基于主元分析和集成神经网络的瓦斯传感器故障诊断》PDF+DOC2016年第09期 杨真,邓芳明,郝勇,徐长英,王宏,吴翔
《MSPCA在发动机试车台传感器故障诊断中的应用》PDF+DOC2007年第11期 徐涛,王祁
《基于样本熵和峭度的自确认气体传感器故障诊断方法》PDF+DOC2017年第09期 吕福星,邓芳明,吴翔,谭畅
《瓦斯传感器故障诊断的灰色预测模型研究》PDF+DOC2013年第13期 张涛,牛金星
针对瓦斯传感器的故障诊断问题,提出一种基于小波包分形的瓦斯传感器故障诊断方法。使用3层小波包对故障信号进行分解和重构,获得不同频带的重构信号,计算各个重构信号的分形维度,并构成对应的故障特征向量。以此作为输入向量来训练支持向量机(SVM),完成故障的诊断。实验结果表明:该方法能有效地提取传感器的故障特征,提高了传感器故障诊断的准确率,可有效地应用于瓦斯传感器的故障诊断。
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。