《基于小波包和RBF神经网络的压电加速度传感器故障诊断》PDF+DOC
作者:杜菲,马天兵
单位:井冈山大学
出版:《井冈山大学学报(自然科学版)》2013年第03期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJGSS2013030150
DOC编号:DOCJGSS2013030159
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于遗传算法优化的RBF神经网络的压力传感器故障诊断》PDF+DOC2016年第07期 那文波,何宁,刘巍,刘甜甜
《基于RBF神经网络的传感器非线性故障鲁棒诊断》PDF+DOC2004年第08期 贾明兴,王福利,何大阔
《基于RBF神经网络的汽车传感器故障诊断方法研究》PDF+DOC2011年第05期 李涵武,赵玉春,迟秋玲
《压电加速度传感器故障的智能化诊断研究》PDF+DOC2016年第10期 杨里平,沈超,金鑫,梁军
《柔性机械臂振动控制中的压电传感器故障诊断》PDF+DOC2014年第12期 马天兵,杜菲,熊能,钱星光
《基于RBF的传感器在线故障诊断和信号恢复》PDF+DOC2003年第10期 翁桂荣,叶萍
《传感器故障检测的Powell神经网络方法》PDF+DOC2002年第01期 李明,徐向东
《BP神经网络在飞控系统传感器故障诊断中的应用》PDF+DOC2008年第05期 郝涛,唐永哲,任玉清
《基于RBF网络的数据融合在废气数据处理中的应用》PDF+DOC2007年第04期 庞敏,朱伟兴
《基于BP神经网络的电控汽油机传感器故障在线诊断技术研究》PDF+DOC2006年第04期 吴锋,潘书澜,邹博文
根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。
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。