作者:康辰龙,张永锋 单位:武汉船用电力推进装置研究所;中国造船工程学会轮机学术委员会 出版:《船电技术》2018年第12期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFCDJI2018120310 DOC编号:DOCCDJI2018120319 下载格式:PDF + Word/doc 文字可复制、可编辑
《可穿戴式生理数据检测仪的研制》PDF+DOC2016年第07期 刘静,杨永杰,李丹,张会猛 《基于遗传BP神经网络的电控发动机故障诊断研究》PDF+DOC2016年第02期 谢春丽,张继洲 《基于RBF神经网络的电控发动机故障诊断研究》PDF+DOC2015年第08期 王书提,巴寅亮,郭增波 《基于STM32的脉搏自动检测系统设计》PDF+DOC2018年第10期 林松华,王战庆,汪文海,贺发文,许荣谊,尤明辉 《基于STM32的管道泄漏信号采集装置设计》PDF+DOC2017年第08期 李忠虎,马博 《基于STM32的无负荷式睡眠监测系统设计》PDF+DOC2020年第01期 王斌,王飞 《基于stm32单片机的智能消防机器人的应用》PDF+DOC2020年第04期 丁杨 《基于危险理论-云决策的发动机状态检测技术研究》PDF+DOC2014年第11期 孟庆华,黄琴宝,陈慧勤 《DSP和STM32单片机的姿态解算装置设计》PDF+DOC2013年第10期 林辉灿,高鹰,石宇,钟子晶
  • 发动机故障诊断分析方法的发展十分迅速,每建立一套发动机故障诊断模型都需要耗费大量时间、人力和物力采集庞大体量的状态样本,此过程中存在严重的样本流失、资源浪费的现象,同时也延长了诊断模型的训练周期。本文提出一种履带车辆发动机状态采集装置,通过以STM32F407为核心的嵌入式平台以及AD模块和压电薄膜加速度传感器对发动机外表面的振动信号进行测量、信号调理并写入外部存储单元形成一个发动机状态样本。通过这种方式为发动机故障诊断技术的研究提供全面的训练样本既保证了样本的全面性、同时也大大缩短了模型的训练周期。

    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。