基于灰色关联和证据理论的故障诊断

针对旋转机械应用了灰色关联故障诊断方法,并针对灰色关联分析中分辨系数的取值进行了研究,介绍了其取值准则的一种,对于"小样本,贫信息,不确定性"问题,灰色关联理论具有处理能力强,计算

论文研究-基于D-S证据理论的灰色定权聚类综合后评价方法.pdf, 结合灰色定权聚类评估模型和D-S证据理论对项目综合后评价方法进行研究.应用差异信息序列熵理论,根据指标所蕴含信息量的多少确定聚类指标

Network troubleshooting and troubleshooting

针对大规模复杂工业过程, 提出一种基于多块核主元分析(MBKPCA) 和符号有向图(SDG) 的故障诊断方法. 首先, 提出基于SDG和优先级的分块策略, 以强连接元SCC 为最高优先级、多入/出度节

针对较强噪声环境下的滚动轴承故障识别问题,提出并研究了一种新的滚动轴承故障诊断技术,采用将冗余二代小波包变换(RSGWPT)和集合经验模态分解(EEMD)相结合提取故障特征的方法。仿真实验和振动信号诊

故障轴承的振动信号是非平稳信号,传统的非平稳信号分析手段存在许多不足;BP网络能够出色地解决传统识别模式难以解决的复杂问题。提出了经验模态分解(EMD)与BP神经网络相结合的滚动轴承故障诊断方法。采用

针对滚动轴承极易损伤,振动信号表现出非线性、非平稳性等特点,提出一种基于局部特征尺度分解(LCD)和改进支持向量机(SVM)的滚动轴承故障诊断算法。首先对采集到的轴承振动信号进行LCD,分解得到一系列

符号有向图(SDG)作为一种定性研究方法,在系统推理和图形绘制上有待改进。详细描述了计算机辅助下的SDG故障诊断和安全评估平台的开发过程。平台的开发基于开源Django框架,具有搭建维护简单、操作方便

采用一种处理非平稳信号的新方法—希尔伯特-黄变换HHT(Hilbert-Huang Transform)来进行滚动轴承故障特征的提取。将信号先进行小波包降噪处理,然后用HHT进行信号故障特征提取。通过

基于WPD和LPP的设备故障诊断方法研究，丁晓喜，何清波，小波包分解(WPD)能够将非平稳信号在低频和高频上同时形成特征信息，有效的反映出信号潜在的特征，而局部保留投影法(LPP)在降维的同�