煤矿机械
煤礦機械
매광궤계
COAL MINE MACHINERY
2010年
10期
251-254
,共4页
轴承故障诊断%小波包分解%广义动态模糊神经网络%模糊规则
軸承故障診斷%小波包分解%廣義動態模糊神經網絡%模糊規則
축승고장진단%소파포분해%엄의동태모호신경망락%모호규칙
提出一种结合小波包分解和广义动态模糊神经网络的故障诊断方法,该方法首先采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此向量作为输入,再利用广义动态模糊神经网络建立轴承故障诊断模型,该模型不仅能对模糊规则而且能对输入变量的重要性做出评价,使每个输入变量和模糊规则都可根据误差减少率进行修正.实验结果表明:该方法对识别和预测轴承的状态具有较高的精度和效率.
提齣一種結閤小波包分解和廣義動態模糊神經網絡的故障診斷方法,該方法首先採用小波包分解與重構提取各頻帶的能量作為故障特徵嚮量,併以此嚮量作為輸入,再利用廣義動態模糊神經網絡建立軸承故障診斷模型,該模型不僅能對模糊規則而且能對輸入變量的重要性做齣評價,使每箇輸入變量和模糊規則都可根據誤差減少率進行脩正.實驗結果錶明:該方法對識彆和預測軸承的狀態具有較高的精度和效率.
제출일충결합소파포분해화엄의동태모호신경망락적고장진단방법,해방법수선채용소파포분해여중구제취각빈대적능량작위고장특정향량,병이차향량작위수입,재이용엄의동태모호신경망락건립축승고장진단모형,해모형불부능대모호규칙이차능대수입변량적중요성주출평개,사매개수입변량화모호규칙도가근거오차감소솔진행수정.실험결과표명:해방법대식별화예측축승적상태구유교고적정도화효솔.
