2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩16頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、中文 中文 6650 字出處: 出處:Bayram D, ?eker S. Wavelet based Neuro-Detector for low frequencies of vibration signals in electric motors[J]. Applied Soft Computing, 2013, 13(5):2683-2691.基于小波的神經(jīng)探測器分析電機(jī)的低頻振動(dòng)信號(hào) 基于小波的神經(jīng)探測器分析電機(jī)的低頻振動(dòng)信號(hào)

2、 Duygu Bayram?, Serhat SekerIstanbul Technical University, Electrical Engineering Department, 34469 Istanbul, Turkey文章信息文章歷史:于 2010 年 9 月 23 日收到初稿于 2012 年 9 月 1 日收到修改稿于 2012 年 11 月 24 日采納于 2012 年 12 月 11 日在網(wǎng)上發(fā)表摘要 摘要本研究提出

3、了一種基于小波的神經(jīng)探測器的方法來檢測一個(gè)有故障跡象的電機(jī)。故障的跡象,可以從低頻區(qū)域的振動(dòng)信號(hào)中獲取。多分辨率小波應(yīng)用分析(多分辨率小波分析)是為了獲得低頻和高頻段的振動(dòng)信號(hào)。因此利用光譜檢測故障的特性,正常情況下,功率譜密度(PSD)的部分波段用于自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)(AANN)來進(jìn)行分析。在故障的情況下,可以利用訓(xùn)練網(wǎng)絡(luò)的輸入節(jié)點(diǎn)的自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)的過程來進(jìn)行判斷。因此,仿真結(jié)果表明,低頻率區(qū)域的自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)的故障響應(yīng)可從光譜屬性

4、中體現(xiàn)。因此,電機(jī)的損傷和衰老過程可以通過一些特定的頻率進(jìn)行相關(guān)的檢測和識(shí)別。©2008 Elsevier 公司保留所有權(quán)圖 1 分解和重建計(jì)劃低頻段的振動(dòng)信號(hào)在正常情況下,可獲得不同的故障特征,被使用于訓(xùn)練一個(gè)自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò) Auto Associative Neural Network(AANN)。自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是一種特殊的網(wǎng)絡(luò)輸入、輸出節(jié)點(diǎn)。網(wǎng)絡(luò)的輸出可用于定義故障情況下的譜密度[23]。使用這個(gè)屬性的自動(dòng)

5、聯(lián)想神經(jīng)網(wǎng)絡(luò),振動(dòng)信號(hào)的譜密度在低頻帶的故障情況下,可應(yīng)用于訓(xùn)練獲得故障效應(yīng)的誤差變化[24]。已知的信號(hào)處理識(shí)別應(yīng)用程序,有很多技術(shù)在這一領(lǐng)域有所應(yīng)用。在這項(xiàng)研究中,為了設(shè)計(jì)一個(gè)神經(jīng)網(wǎng)絡(luò)自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)。為了這個(gè)目的,它被成功地用來確定光譜的變化數(shù)據(jù)。同時(shí),它是一個(gè)有趣的應(yīng)用程序自動(dòng)關(guān)聯(lián)拓?fù)浣Y(jié)構(gòu)。就這些方面而言,自動(dòng)聯(lián)想神經(jīng)網(wǎng)絡(luò)的混合使用在拓?fù)渑c小波變換(多分辨率小波分析),這項(xiàng)研究是絕對(duì)原創(chuàng)。本研究的另一個(gè)有趣的點(diǎn),它提供了使用基于

6、多分辨率小波分析順序?yàn)V波器結(jié)構(gòu)。因此,協(xié)同結(jié)構(gòu)形成了這些方法,每個(gè)方法都有支持它的力量。本研究的貢獻(xiàn)是新奇的形成一種混合結(jié)構(gòu)定義像一個(gè)基于小波的神經(jīng)網(wǎng)絡(luò)和觀測光譜性質(zhì)在低頻振動(dòng)信號(hào)相關(guān)的區(qū)域的衰老過程。剩下的內(nèi)容組織如下。在第二節(jié),數(shù)學(xué)研究的背景。實(shí)驗(yàn)分析和測量系統(tǒng)是在第三節(jié)。第 4 節(jié)說明了應(yīng)用程序的執(zhí)行分析。仿真本節(jié)給出結(jié)果。最后,得出結(jié)論。第五節(jié),對(duì)未來工作的一些建議。2 數(shù)學(xué)研究的背景 數(shù)學(xué)研究的背景在這項(xiàng)研究中有,有三個(gè)主要

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論