《多传感器信息融合在滚动轴承故障诊断中的应用》PDF+DOC
作者:马文龙,吕建新,吴虎胜,黄炯龙
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2013年第07期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2013070400
DOC编号:DOCCGQJ2013070409
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器信息融合的滚动轴承故障诊断研究》PDF+DOC2016年第07期 俞昆,谭继文,李善
《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
《基于多传感器信息融合的加工过程监控》PDF+DOC2008年第03期 赵中敏
《基于多传感器信息融合的SVM结构损伤诊断方法》PDF+DOC2013年第06期 刘义艳,陈晨,俞竣瀚
《基于GA-BP神经网络的多传感器轴承故障诊断》PDF+DOC2017年第10期 李荣远,张国银,王海瑞,王雪,宋怡然,齐磊,任玉卿
《结合SVM与DS证据理论的信息融合分类方法》PDF+DOC2013年第11期 雷蕾,王晓丹
《基于软计算方法的结构损伤信息融合》PDF+DOC2009年第02期 何浩祥,闫维明,张爱林,王卓
《支持向量机与证据理论在信息融合中的结合》PDF+DOC2008年第09期 周皓,李少洪
《基于SVM的多传感器信息融合》PDF+DOC2013年第03期 孙颖,刘玉满,龚稳
《基于分层信息融合的木材干燥过程含水率在线检测》PDF+DOC2013年第S1期 孙丽萍,张冬妍
针对单一传感器在滚动轴承故障诊断中存在故障识别率不高,敏感特征不易提取,诊断系统可靠性差等问题,提出了采用多传感器特征层、决策层信息融合的故障诊断方法。对振动信号采用经验模式分解(EMD)、小波包和局部均值分解(LMD)方法进行处理并提取特征向量,构建支持向量机分类器。经过特征层交叉诊断,得到初步诊断结果,在决策层采用D-S证据理论进行决策融合。试验表明:该方法可以提高滚动轴承故障识别率。
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。