《基于EMD和SVM的传感器故障诊断方法》PDF+DOC
作者:冯志刚,王祁,信太克规
单位:哈尔滨工业大学
出版:《哈尔滨工业大学学报》2009年第05期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFHEBX2009050150
DOC编号:DOCHEBX2009050159
下载格式:PDF + Word/doc 文字可复制、可编辑
《EMD和SVM在刀具故障诊断中的应用》PDF+DOC2010年第05期 王涛,徐涛
《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
《自适应LMD与SVM耦合的传感器故障诊断模型》PDF+DOC2015年第06期 吕振,丛金艳,褚永强,韩彦春
《PCA特征抽取与SVM多类分类在传感器故障诊断中的应用》PDF+DOC2010年第01期 彭红星,陈祥光,徐巍
《EMD在卫星姿态控制系统未知故障诊断中的应用》PDF+DOC2009年第S1期 张筱磊,沈毅,张迎春
《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
《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波
《基于多传感器信息融合的SVM结构损伤诊断方法》PDF+DOC2013年第06期 刘义艳,陈晨,俞竣瀚
为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型.通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中。
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。