作者:王智航,王利恒 单位:山西省机电设计研究院;山西省机械工程学会 出版:《机械工程与自动化》2019年第03期 页数:2页  (PDF与DOC格式可能不同) PDF编号:PDFSXJX2019030040 DOC编号:DOCSXJX2019030049 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于神经网络的肉类新鲜度辨识技术》PDF+DOC2005年第02期 李刚,曲世海,郭培源 《基于BP的车辆系统故障诊断模式识别》PDF+DOC2003年第03期 谭德荣,韩加蓬 《仓储物害虫声音的模式识别》PDF+DOC2003年第22期 韩萍 《水力除焦监测系统的设计和研究》PDF+DOC2010年第02期 王涛,高志,叶健敏,胡秀亮 《用于光纤围栏入侵告警的频谱分析快速模式识别》PDF+DOC2015年第04期 王照勇,潘政清,叶青,蔡海文,瞿荣辉,方祖捷 《基于PCA-BP神经网络对甲醛和甲醇的识别研究》PDF+DOC2020年第07期 宋海声,麻林召,王一帆,朱恩功,李承飞 《电子鼻技术在苹果质量评定中的应用》PDF+DOC2004年第03期 潘胤飞,赵杰文,邹小波,刘木华 《基于BP神经网络的非接触生命参数信号检测》PDF+DOC2004年第14期 杨冬,王健琪,荆西京,倪安胜,路国华 《基于BP神经网络的障碍物模式识别》PDF+DOC2011年第35期 张秋豪,孟宪辉,郭洪澈,孙柏青 《多传感器信息融合技术在酒类辨识中的应用》PDF+DOC2007年第09期 陈登峰,肖海燕,张洪才
  • 针对传统水力除焦操作中需要人为观测判断、劳动强度过大、环境恶劣的缺陷,提出了基于振动声学的智能除焦状态检测系统,利用智能检测技术完成除焦状态的判读。通过振动传感器对信号进行采集,再完成特性参数的提取,使用模式识别的方式建立除焦状态和振型参数之间的关系,采用BP神经网络将获取的振动信号样本进行傅里叶变换后得到振动信号的幅频曲线。提取不同特征频段的幅值作为特征参数,进行样本学习训练,建立起除焦状态与焦炭塔振动特性之间的学习识别网络,经过训练并且稳定的网络即可用于水力除焦智能检测系统中。

    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。