《基于传感器阵列的机械故障声源定位系统》PDF+DOC
作者:李铁军,王宁,赵义鹏,刘今越
单位:辽宁省机械研究院
出版:《机械设计与制造》2019年第04期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSYZ2019040450
DOC编号:DOCJSYZ2019040459
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器融合的空气质量检测》PDF+DOC 李景富,崔英杰
《气体传感器阵列测试算法研究》PDF+DOC2004年第04期 太惠玲,谢光忠,王涛,徐建华,蒋亚东
《微气体传感器阵列及神经网络的应用》PDF+DOC2002年第08期 邓俊泳,冯勇建,吴青海
《用于易挥发性化学品检测的实用电子鼻算法研究》PDF+DOC2011年第01期 董志钢,李民强,罗涛,刘锦淮
《基于逐步判别分析和BP神经网络的电子鼻猪肉储藏时间预测》PDF+DOC2010年第10期 洪雪珍,王俊
《基于FPGA的失效数据恢复器的设计》PDF+DOC2007年第26期 刘鸣晓,朱伟兴
《基于遗传优化神经网络的电子鼻对可乐的检测》PDF+DOC2007年第06期 鲁小利,王俊,海铮
《基于BP神经网络和声达时间差的声源定位算法》PDF+DOC2007年第05期 段敬红,刘瑞华
《基于BP神经网络的回转空气预热器火灾报警系统》PDF+DOC2015年第07期 吴德君
《BP神经网络和电子舌技术在茶叶品质分级中的应用》PDF+DOC2014年第04期 王宏伟
传统的机械故障诊断系统需要在被监测本体上安装传感器,只能定点定性监测,无法大范围监测,且可移植性差、智能性弱。针对此问题设计了基于四元声学传感器阵列的故障声源定位系统,能实现故障声源的识别及定位。首先,通过声学传感器采集机械设备运行过程中的声音信号,提取其Mel频率倒谱系数。然后,经BP神经网络对声音信号进行识别判断,若为故障声则采用广义互相关算法计算其时间延迟,进行定位。利用该系统对台式钻床空转、正常、磨损、崩刃四种工况进行识别定位测试,实验结果表明,该系统的工况识别准确率可达到89%,故障声源定位精度误差在6cm以内,具有较好的故障声源识别及定位功能。
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。