《基于D-S证据理论的离心泵振动信号融合诊断方法研究》PDF+DOC
作者:樊志华,洪君
单位:华电郑州机械设计研究院有限公司;中国华电科工集团有限公司
出版:《华电技术》2009年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFSLDL2009020120
DOC编号:DOCSLDL2009020129
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于D-S证据理论的液压泵故障诊断》PDF+DOC2010年第10期 柴令华,陈小虎,毋文峰
《基于高阶模糊神经网络及D-S证据理论的数据融合系统》PDF+DOC2002年第03期 潘大联,吴陈
《基于D-S证据理论的液压泵故障诊断》PDF+DOC2010年第05期 柴令华,陈小虎,毋文峰
《基于SVM和证据理论的多数据融合故障诊断方法》PDF+DOC2010年第08期 姜万录,吴胜强
《基于D-S证据理论与嵌入式传感器的监控与故障诊断》PDF+DOC2000年第06期 杜庆东,徐凌宇,赵海
《基于D_S证据理论和模糊数学的多传感器数据融合算法》PDF+DOC2000年第06期 韩静,陶云刚
《基于D-S证据理论的多源信息融合方法在系留气球缆绳故障诊断中的应用研究》PDF+DOC2011年第17期 荣海春,万鑫森,吴有恒,李劲松
《D-S证据理论在ESM雷-达航迹关联中的应用》PDF+DOC2011年第04期 卜卿
《D-S证据理论及其改进算法研究》PDF+DOC2010年第10期 曾元鉴
《证据理论和模糊神经网络相结合的决策方法》PDF+DOC 郑红军,赵冬岩
根据离心泵故障诊断的特点,提出运用小波包分解、重构技术进行特征提取,运用模糊神经网络和D-S证据理论对离心泵故障进行融合诊断的方法。首先利用小波包分析方法,将离心泵上测得的位移和加速度振动信号进行预处理,统一转换成故障征兆的特征向量值;其次,建立2层子模糊神经网络的拓扑结构,形成输入征兆与故障论域的映射关系,从而得到2层模糊神经网络的训练样本,对各网络进行成功训练后,利用模糊神经网络实现2层子网络的诊断并得到中间诊断结果;然后,将模糊神经网络诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对子网络诊断结果的融合,从而得到最终的融合诊断结果;最后,试验分析证明了该方法的有效性。
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。