《基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断》PDF+DOC
作者:王军号,孟祥瑞,吴宏伟
单位:中国煤炭学会
出版:《煤炭学报》2011年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFMTXB2011050340
DOC编号:DOCMTXB2011050349
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《基于小波包与SOM神经网络的传感器故障诊断》PDF+DOC2017年第07期 李娟娟,孟国营,谢广明,贾一凡
《飞行器导航传感器故障诊断的应用研究》PDF+DOC2012年第02期 张玉,尹腾飞,贾海云
《基于小波包LVQ网络的传感器故障诊断》PDF+DOC2007年第01期 徐涛,王祁
《基于小波包神经网络的传感器故障诊断方法》PDF+DOC2006年第04期 徐涛,王祁
《基于RBF神经网络的传感器故障诊断研究》PDF+DOC2003年第02期 吴浩中,黄飞鹏,王开文
《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
针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法(EKF)优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明:该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。
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。