《基于神经网络与特征融合的损伤诊断方法》PDF+DOC
作者：刘义艳,段晨东,巨永锋,赵学风,韩旻
单位：长安大学
出版：《长安大学学报(自然科学版)》2008年第06期
页数：5页 （PDF与DOC格式可能不同）
PDF编号：PDFXAGL2008060280
DOC编号：DOCXAGL2008060289
下载格式：PDF + Word/doc 文字可复制、可编辑
《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
《基于多传感器信号分析的故障诊断》PDF+DOC2016年第09期 陈轶,杨奕,包辉慧,陆艳娟,张烨
《基于多传感器的神经网络模式识别方法》PDF+DOC2001年第05期 罗中良,麦宜佳,余剑峰
《基于小波包分解和模糊聚类的网格结构损伤诊断方法》PDF+DOC2006年第02期 闫维明,王卓,何浩祥,马华,张卫东
《基于遗传神经网络的智能复合材料损伤检测传感器位置优化的研究》PDF+DOC2005年第11期 谢建宏,张为公
《滚动转子式压缩机故障的在线检测》PDF+DOC2005年第01期 罗小荣,吴亚锋,魏文德
《土木工程结构健康监测研究进展》PDF+DOC2003年第03期 孙鸿敏,李宏男
《基于TMS320C5509A的传感器故障诊断》PDF+DOC2009年第08期 朱泳,凌滨,赫惠馨
《经验模态分解法在光纤光栅围栏报警系统中的应用》PDF+DOC2009年第03期 蒋祺,饶云江
为了能准确地诊断复杂结构损伤是否产生以及产生的位置和程度，提出了一种小波包分解、多传感器特征融合和神经网络模式分类相结合的结构损伤诊断方法。首先，用正交小波包对多个传感器采集的振动信号进行小波包分解，并计算每个频带上的相对能量；然后把这些传感器信号的小波包相对能量融合，构成神经网络分类器的输入特征向量，从而实现损伤的诊断和评价。研究结果表明：正交小波包分解的频带能量分布能够较好地反映结构的损伤特征；特征融合能够使不同传感器的信息相互补充，减小了损伤检测信息的不确定性，使诊断信息具有更高的精度和可靠性，提高了诊断准确率。
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。