基于模型中的故障诊断研究

提出了一种新的针对记忆非线性功率放大器的支持向量机（SVM）预失真器。通过对其建模中采用径向基核函数和多项式核函数所表现出的性能特点进行分析，为核函数的选取提供了参考。采用以多项式为核函数的SVM对3

基于EMD和TVAR模型的滚动轴承故障诊断方法，魏巍，彭涛，针对经验模态分解(EMD)的固有模态函数(IMF)选择问题，提出了一种基于能量阀值的自适应筛选方法。对筛选出的IMF分量进行信号重构后，��

针对传统的示功图识别方法对抽油机井进行故障诊断存在人工选取示功图特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络(CNN)和支持向量机(SVM)相结合的示功图智能识别模型。利用卷积神经

对突变信号进行有效识别，达到故障诊断的目的

基于BP算法的模拟电路故障诊断，使用bp神经网络对电路故障诊断

首先介绍了基于数据驱动的故障诊断方法研究动机和国内外发展现状, 以新的视角将现有故障诊断方法分 为基于数据驱动的方法、基于分析模型的方法和基于定性经验的人工智能方法, 说明了该方法在整个体系中的地位,

针对现有故障诊断方法难以诊断涵盖多种不同类型故障的问题, 提出一种基于分层DSmT 的多故障诊断方法. 利用主元凝聚层聚类方法实现证据聚类, 将辨识框架分成若干个子框架; 利用证据主元将BP 神经网络

在运用小波神经网络进行混合电路故障诊断的过程中,测试参数的选取至关重要。研究了一种基于电流测试的故障诊断。该方法即通过PSPICE模拟电路的静态及动态电流信息,再通过小波神经网络的结合,证明了该方法在

模拟电路故障诊断一直以来都是十分必要且有意义的,已成为热门的研究课题。传统的模拟电路故障诊断的方法也有很多种,但是它们一般都是用于诊断开路、短路这种硬故障的,难以发现在电路中的各个元器件存在类似器件缺

采用虚拟仪器技术对旋转机械的振动信号进行高速实时数据采集,对采集到的振动信号作相应处理,通过显示控件实现对旋转机械的状态监测,运用数字信号分析方法对转子振动信号进行分析,通过绘制三维谱振等图谱实现对旋