基于無監(jiān)督學習的狀態(tài)監(jiān)測和故障診斷技術研究.pdf_第1頁
已閱讀1頁,還剩119頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、為了降低機械設備狀態(tài)監(jiān)測和故障診斷的復雜性并提高診斷能力.該學位論文從模式識別的角度出發(fā),結合機器學習領域有關無監(jiān)督學習的最新研究成果,研究了非線性映射方法曲元分析(Curvilinear Component Analysis,CCA)、自組織特征映射(Self-Organizing Feature Maps, SOFM)網絡、非線性了隱變量模型生成拓撲映射(Generative Topographic Mapping,GTM)在特征提

2、取、故障模式識別和狀態(tài)監(jiān)測中的應用,旨在為研究機械設備的狀態(tài)變化與工藝參數(shù)、狀態(tài)信息之間復雜的內在關系,為機械設備故障模式、診斷知識的獲取以及設備故障識別、狀態(tài)監(jiān)測等提供新方法、新工具,并進一步豐富和發(fā)展機械設備狀態(tài)監(jiān)測和故障診斷智能化的基礎理論,促進智能化診斷的理論與方法實用化.論文從特征提取角度出發(fā),討論了CCA方法實現(xiàn)非線性降維映射的算法原理、步驟,研究了高維數(shù)據的本征維數(shù)提取方法,在此基礎上提出了基于CCA的設備狀態(tài)特征提取方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論