版權(quán)說(shuō)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(jiǎn)介
1、隨著機(jī)械故障智能診斷系統(tǒng)的發(fā)展,知識(shí)獲取(KA)變得越來(lái)越重要。知識(shí)獲取是人工智能(AI)領(lǐng)域最關(guān)鍵的問(wèn)題之一,也是機(jī)械故障智能診斷系統(tǒng)丞待解決的關(guān)鍵問(wèn)題。目前各種智能故障診斷專家系統(tǒng)的共同缺陷就是系統(tǒng)擁有的知識(shí)量太少,獲取知識(shí)精度不高。本文針對(duì)以上問(wèn)題,以故障診斷知識(shí)獲取為中心,對(duì)自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)在知識(shí)獲取方面的應(yīng)用做了研究,本文主要研究工作如下: 1.研究了SOFM網(wǎng)絡(luò)的算法原理和步驟及其在故障診斷知識(shí)獲取
2、方面的應(yīng)用。由于所獲取的知識(shí)隱藏于網(wǎng)絡(luò)連接權(quán)值中,難以被理解,所以對(duì)網(wǎng)絡(luò)訓(xùn)練結(jié)果的可視化方法進(jìn)行研究,應(yīng)用 U-矩陣法和在此基礎(chǔ)上改進(jìn)的可視化方法對(duì)診斷結(jié)果進(jìn)行直觀的表達(dá)。 2.探討了小波分析理論,對(duì)小波包變換(WPT)用于信號(hào)的分解和重構(gòu)進(jìn)行了研究,在此基礎(chǔ)上探討了一種利用小波包變換提取信號(hào)能量特征的方法,它能夠有效地對(duì)非線性相關(guān)的高維數(shù)據(jù)進(jìn)行降維和特征提取。 3.針對(duì)時(shí)域特征和SOFM結(jié)合的知識(shí)獲取方法中存在的不足,
3、提出了一種基于小波.SOFM的知識(shí)獲取模型,能夠進(jìn)一步提高獲取知識(shí)的精確度。 4.以滾動(dòng)軸承故障診斷知識(shí)獲取為例,介紹了小波-SOFM 方法在故障診斷知識(shí)自動(dòng)獲取方面的應(yīng)用,并和時(shí)域特征為輸入向量的方法做了比照,驗(yàn)證了該方法的有效性。之后,以滾動(dòng)軸承為研究對(duì)象,以 MATLAB 為開發(fā)工具,結(jié)合 SOMToolbox 2.0 工具箱,開發(fā)了一個(gè)以小波-SOFM 自動(dòng)知識(shí)獲取模型為核心簡(jiǎn)單的滾動(dòng)軸承故障診斷系統(tǒng)。 最后,對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 基于自組織映射的故障診斷方法.pdf
- 基于自組織映射網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷研究.pdf
- 基于提升小波的故障診斷方法研究.pdf
- 自組織特征映射神經(jīng)網(wǎng)絡(luò)
- 基于自組織特征映射網(wǎng)絡(luò)的DTS智能評(píng)估.pdf
- 基于自組織特征映射的實(shí)時(shí)入侵檢測(cè)系統(tǒng).pdf
- 基于小波變換的引擎故障診斷方法研究.pdf
- 基于自組織映射的自動(dòng)文摘方法研究.pdf
- 基于小波和SVM的發(fā)動(dòng)機(jī)故障診斷方法及應(yīng)用.pdf
- 基于自組織神經(jīng)網(wǎng)絡(luò)的遠(yuǎn)程故障診斷技術(shù)研究.pdf
- 基于自組織特征映射的入侵檢測(cè)算法研究.pdf
- 基于自組織映射網(wǎng)絡(luò)和感知機(jī)的數(shù)據(jù)挖掘方法及應(yīng)用.pdf
- 基于經(jīng)驗(yàn)小波變換的機(jī)械故障診斷方法.pdf
- 基于小波熵的電機(jī)故障診斷.pdf
- 基于小波降噪與HHT方法的齒輪故障診斷方法.pdf
- 基于自組織特征映射網(wǎng)絡(luò)的聚類算法研究.pdf
- 基于自組織特征映射的檢索結(jié)果聚類研究.pdf
- 基于自組織映射網(wǎng)絡(luò)的數(shù)據(jù)挖掘算法研究及應(yīng)用.pdf
- 基于小波域雙譜分析的故障診斷方法研究.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷方法研究.pdf
評(píng)論
0/150
提交評(píng)論