《基于BP神经网络和D-S证据理论的滚动轴承故障诊断方法研究》PDF+DOC
作者:徐卫晓,谭继文,文妍
单位:中国机械工程学会;广州机械科学研究院
出版:《机床与液压》2014年第23期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJCYY2014230510
DOC编号:DOCJCYY2014230519
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC2017年第04期 周国宪,伍星,刘韬
《基于多分辨率小波网络-BP神经网络-D-S证据理论信息融合模型的直流系统故障诊断方法》PDF+DOC2004年第24期 李冬辉,周巍巍
《基于D-S证据理论和BP神经网络的多传感器信息融合》PDF+DOC2011年第01期 付家才,万遂
《基于BP神经网络和D-S证据理论的火灾报警系统》PDF+DOC2011年第01期 张学军
《采用粗BP神经网络和D-S证据理论的目标识别》PDF+DOC2008年第12期 齐博会,张金成,王程
《BP神经网络和D-S证据理论的目标识别》PDF+DOC2006年第10期 杨福平,白振兴
《BP和D-S结合的多传感器协同目标识别推理机制》PDF+DOC2014年第02期 苏伟,李为民,赵永
《基于KPCA-BP网络模型的滚动轴承故障诊断方法研究》PDF+DOC2014年第08期 徐卫晓,宋平,谭继文
《基于BP神经网络与D-S证据理论的车辆识别模型设计》PDF+DOC2013年第25期 樊晓宇
《基于神经网络的直升机自动倾斜器轴承故障诊断方法》PDF+DOC2016年第02期 金小强,李新民,陈焕,张先辉
针对单一传感器对滚动轴承故障信息的识别具有不确定性的缺陷,提出了基于BP神经网络与D-S证据理论的多传感器信息融合的方法。将BP神经网络的输出结果进行归一化处理作为各焦元的基本概率分配,轴承的5种故障类型作为系统的识别框架,根据Dempster合成法则进行决策级融合。试验结果表明,利用该方法对轴承的内圈磨损、外圈磨损、滚珠磨损等故障进行试验诊断,提高了故障诊断的准确率,验证了该方法的可行性。
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。