传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了
滚动轴承作为列车的重要运动部件,由于冲击、磨损和长时间运行,很容易造成内部损伤,严重的可以引起列车翻车.为了实现货车滚动轴承的在线不拆解故障诊断,研究了在LabVIEW环境内使用MATLABScrip
介绍了机车轴承故障诊断中振动信号采集的硬件实现。先通过压电式加速度传感器对振动信号进行拾取,然后经过电荷放大器、抗混滤波器等系列电路对拾取的微弱信号进行处理,最后进入A/D转换电路得到微机可以识别的数
1.引言 滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的运行状态是否正常往往直接影响到整台机器的性能。据统计,在使用滚动轴承的旋转机械中,由于滚动轴承损坏而引起的故障约占30%[1]。
电机、泵以及风机等设备均为石油化工生产的重要设备,这些设备一旦发生故障,将对安全生产造成不良影响。因此,加强对这类设备的维护、监测,确保其安全生产具有重大的意义。我和我的同志,通过对振动分析技术的研究
提出利用最小二乘支持向量机方法进行矿用胶带机滚动轴承故障识别方法,利用小波包的分解方法提取检测信号的故障信息,并将其作为最小二乘支持向量机的输入量,将样本的常见故障类型作为输出量,对样本的输入量和输出
针对目前故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法—支持向量机(SVM),它在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊
支持向量机在有杆抽油系统故障诊断中的应用,李明翰,,将支持向量机应用于江苏油田有杆抽油系统故障诊断中。对油井的示功图数据进行分析、预处理,使用Matlab进行设计编程。将支持向量机
支持向量机故障诊断及控制技术matalb代码
为了提高网络故障诊断模型的建立和诊断速度, 提出一种双重支持向量机(Dual-SVM) 算法. 通过两次SVM 训练确定诊断模型: 第1 次SVM训练通过两类样本的类中心和样本点在类中心连线方向上的投