现代制造工程
現代製造工程
현대제조공정
MODERN MANUFACTURING ENGINEERING
2010年
2期
124-127
,共4页
矢功率谱%概率神经网络%故障诊断%信息融合
矢功率譜%概率神經網絡%故障診斷%信息融閤
시공솔보%개솔신경망락%고장진단%신식융합
vector power spectrum%Probabilistic Neural Networks (PNN)%fault diagnosis%information fusion
与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面,而概率神经网络学习速度快、收敛性好,基于此,结合矢功率谱和概率神经网络,提出一种故障诊断的新方法,该方法是以矢功率谱作为特征输入到概率神经网络分类器进行故障识别,并应用到旋转机械故障诊断中.实验结果表明,该方法是有效的.
與傳統功率譜相比,矢功率譜融閤瞭多通道的能量信息,反映的信息更全麵,而概率神經網絡學習速度快、收斂性好,基于此,結閤矢功率譜和概率神經網絡,提齣一種故障診斷的新方法,該方法是以矢功率譜作為特徵輸入到概率神經網絡分類器進行故障識彆,併應用到鏇轉機械故障診斷中.實驗結果錶明,該方法是有效的.
여전통공솔보상비,시공솔보융합료다통도적능량신식,반영적신식경전면,이개솔신경망락학습속도쾌、수렴성호,기우차,결합시공솔보화개솔신경망락,제출일충고장진단적신방법,해방법시이시공솔보작위특정수입도개솔신경망락분류기진행고장식별,병응용도선전궤계고장진단중.실험결과표명,해방법시유효적.
