暂无评论
为了充分利用各种状态信息和已有的知识进行故障诊断,提出将故障树、遗传神经网络和D-S证据理论相融合进行故障诊断,从而扩大信息覆盖范围,增加了置信度,实现了决策层的时空信息融合,使得诊断结果更准确可靠。
电力变压器是一种比较复杂的系统,在实际故障诊断中要想获得完备的实验数据比较困难。针对该问题,提出了一种基于粗糙集的电力变压器故障诊断新方法,即分析搜集到的电力变压器历史故障数据,确定条件属性集和决策属
论文一篇，关于最小二乘，支持向量机在故障诊断中的应用。
不同定义的三阶累积量的复杂形式包括不同的信号耦合信息，该信息可用于故障诊断。 在减压阀的故障诊断实验中，通过这些不同的耦合信息，利用小波向不同方向提取故障信号和正常信号的特征，然后输入这些特征进行故障
针对传统轴承故障诊断方法停留在静态观测的基础之上,忽略了故障发生前后的信息。应用DHMM故障诊断方法,在一个动态的环境中对设备进行观测、评估。并进行了4种故障模型诊断实验,对获取的振动信号进行特征提取
希尔伯特变换在机械故障诊断中的应用dfafafa
针对常见故障特征提取方法不能完全、有效地提取复合故障特征的问题,提出了一种改进快速独立分量分析(FastICA)算法。该算法自适应选择不同的非线性函数进行渐进性分析,提取的数据特征较FastICA算法
针对变频调速系统中常用的电动机故障诊断方法难以准确判断故障类型的问题,提出了一种基于多传感器信息融合的电动机断条故障诊断方法。该方法通过小波包分析提取电动机断条故障特征信息,然后利用D-S证据理论融合
声发射技术在离心泵故障诊断中的应用.rar
针对大型化工过程生产系统的高维度数据及其噪声严重影响故障诊断的性能,采用基于故障特征选择和支持向量机(SVM)的故障诊断方法.为了确保在线故障诊断的实时性和准确性,提出一种新型的混沌耗散离散粒子群(C
暂无评论