《基于多传感器信息融合的齿轮故障识别方法》PDF+DOC
作者:毛瑞卿,马西良,程刚,陈曦晖
单位:洛阳矿山机械工程设计研究院
出版:《矿山机械》2015年第11期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFKSJX2015110310
DOC编号:DOCKSJX2015110319
下载格式:PDF + Word/doc 文字可复制、可编辑
《应用D-S证据理论的雷达工作模式特征层融合识别》PDF+DOC2016年第04期 王星,王志鹏,呙鹏程,周东青,杜文红,王超
《基于神经网络的D-S证据理论应用于多传感器目标识别》PDF+DOC2001年第06期 李玉榕,蒋静坪,杨富文
《基于协作表示的雷达辐射源多传感器融合识别》PDF+DOC2016年第12期 周志文,黄高明,高俊
《基于机载传感器的海面目标关联识别方法》PDF+DOC2018年第02期 何栿,封新民
《基于D-S证据理论的鸡蛋新鲜度多传感器融合识别》PDF+DOC2011年第08期 刘鹏,屠康,潘磊庆,张伟
《基于神经网络与改进D-S证据理论的目标识别》PDF+DOC2009年第07期 朱鑫森,刘顺承
《面向目标识别的水下多传感器信息融合技术比较研究》PDF+DOC2009年第01期 綦辉
《基于神经网络和D-S证据理论的船舶类型识别》PDF+DOC 平毅
《弹道中段目标雷达综合识别研究》PDF+DOC2015年第02期 张平定,孙佳佳,童创明,季明阳,张鸣鸣
《基于多传感器融合的鸡肉新鲜度检测方法》PDF+DOC2013年第S1期 常志勇,陈东辉,张凌,佟月英,翁小辉,佟金
为了在强背景噪声下有效识别齿轮故障,提出了一种多传感器信息融合的识别方法。首先计算多传感器振动信号的小波相关特征尺度熵,并以此作为强噪声背景下齿轮故障特征信息;以各尺度信息熵作为SOM神经网络的输入层,用标准训练样本训练神经网络,齿轮故障类型在竞争层聚类;为了提高识别过程的准确性及完整性,采用多传感器决策层融合技术,构造D-S证据理论识别框架,建立基于统计SOM神经网络识别率的基本信任函数分配方法。每个传感器的子决策作为一条子证据,根据D-S证据理论合成规则及各传感器的基本信任函数分配完成融合识别。试验结果证明,齿轮多传感器信息融合识别方法可以实现强噪声背景下齿轮故障的准确识别,消除识别的不确定性,识别率可达90%以上,是一种有效的齿轮故障识别方法。
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。