《基于样本熵和峭度的自确认气体传感器故障诊断方法》PDF+DOC
作者:吕福星,邓芳明,吴翔,谭畅
单位:沈阳仪表科学研究院有限公司
出版:《仪表技术与传感器》2017年第09期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFYBJS2017090010
DOC编号:DOCYBJS2017090019
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量机的ESP系统传感器故障诊断方法》PDF+DOC2005年第03期 郑水波,唐厚君,韩正之,张勇
《基于EEMD样本熵和SRC的自确认气体传感器故障诊断方法》PDF+DOC2016年第05期 陈寅生,姜守达,刘晓东,杨京礼,王祁
《基于SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波
《局部均值分解与支持向量机相融合的传感器故障诊断》PDF+DOC 武青海
《基于证据理论和支持向量机的多传感器融合在风机齿轮故障诊断中的应用》PDF+DOC 肖立健,谢源,王杰,金鹏飞
《支持向量机动态多分类方法》PDF+DOC2017年第02期 房汉鸣,税爱社,汪辉,宗福兴
《关于航空发动机传感器故障信号优化诊断研究》PDF+DOC2016年第08期 谢伟,郭创,王云鹏
《基于PCA与SVM的振动传感器故障诊断方法》PDF+DOC2019年第10期 李翼飞,吴春平,涂煊
《基于小波能谱熵和集成经验模态分解的传感器故障诊断耦合算法研究》PDF+DOC2018年第08期 史历程,赵骁,赵群飞,王玉璋
《基于SVM和RBFN的汽车主动降噪系统传感器故障诊断》PDF+DOC2014年第04期 赛吉尔呼,戴盛芳,董爱华,苗清影
针对以往基于小波分析提取气体传感器故障特征的不足,文中提出一种基于样本熵和峭度的自确认气体传感器故障诊断方法。该方法从信息论角度出发,首先直接提取传感器输出序列的样本熵和峭度作为故障特征,再输入支持向量机实现分类诊断。经提取的故障特征仅二维,极大地减轻了分类器模型的复杂度以及总体的诊断耗时。经仿真实验证明,文中方法可有效地提取故障特征,在低诊断耗时下依然有高达97%的准确率。
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。