工业仪表与自动化装置
工業儀錶與自動化裝置
공업의표여자동화장치
INDUSTRIAL INSTRUMENTATION & AUTOMATION
2013年
1期
88-90
,共3页
往复压缩机气阀%故障诊断%RBF神经网络
往複壓縮機氣閥%故障診斷%RBF神經網絡
왕복압축궤기벌%고장진단%RBF신경망락
提出了一种往复压缩机气阀的故障诊断方法.把往复压缩机气阀的振动信号作为识别故障的特征向量,送入RBF神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对往复压缩机气阀故障诊断具有良好的诊断效果,系统不仅能够检测到往复压缩机气阀故障的存在,而且能够比较准确地识别往复压缩机气阀的故障模式.
提齣瞭一種往複壓縮機氣閥的故障診斷方法.把往複壓縮機氣閥的振動信號作為識彆故障的特徵嚮量,送入RBF神經網絡中,進行故障類彆的自動識彆.試驗結果錶明,該診斷模型對往複壓縮機氣閥故障診斷具有良好的診斷效果,繫統不僅能夠檢測到往複壓縮機氣閥故障的存在,而且能夠比較準確地識彆往複壓縮機氣閥的故障模式.
제출료일충왕복압축궤기벌적고장진단방법.파왕복압축궤기벌적진동신호작위식별고장적특정향량,송입RBF신경망락중,진행고장유별적자동식별.시험결과표명,해진단모형대왕복압축궤기벌고장진단구유량호적진단효과,계통불부능구검측도왕복압축궤기벌고장적존재,이차능구비교준학지식별왕복압축궤기벌적고장모식.
