《基于小波包和GBDT的瓦斯传感器故障诊断》PDF+DOC
作者:王立平,邓芳明
单位:北京长城航空测控技术研究所
出版:《测控技术》2016年第12期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFIKJS2016120070
DOC编号:DOCIKJS2016120079
下载格式:PDF + Word/doc 文字可复制、可编辑
《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
《基于小波包分形的瓦斯传感器故障诊断方法》PDF+DOC2016年第11期 陈宏,邓芳明,吴翔,付智辉
《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
《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
《民航APU航空传感器故障诊断系统》PDF+DOC2017年第11期 付华,刘文桐
《基于小波与GBDT的无人机传感器故障诊断》PDF+DOC2017年第08期 舒畅,李辉
《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+DOC2011年第05期 王军号,孟祥瑞,吴宏伟
《基于邻域粗糙集与支持向量极端学习机的瓦斯传感器故障诊断》PDF+DOC2016年第09期 单亚峰,汤月,任仁,谢鸿
《基于贝叶斯网络的催化燃烧式瓦斯传感器故障诊断》PDF+DOC2020年第05期 张新建,张玉芝,李贤功
针对瓦斯传感器的常见故障类型,提出了一种基于小波包和GBDT的瓦斯传感器故障诊断方法。该方法首先使用3层小波包分解对瓦斯原始故障信号进行分解;然后利用LDB算法削减得到重构信号能量,经归一化处理后作为输入分类器的特征向量;接着利用由梯度提升技巧和决策树构成的GBDT分类器作为故障模式的训练和识别器;最后通过瓦斯传感器诊断实例验证了该方法的有效性。实验结果表明,采用该方法进行瓦斯传感器故障诊断相比其他方法具有更高的诊断精度和更好的样本泛化能力。
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。