在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。
2021-07-15 11:01:32
780KB
1
MAFAULDA，Machinery Fault Database [Online]
此为机械故障的正常数据集，可做为机器学习、神经网络训练用。
2021-06-18 14:08:07
290.08MB
1
本课题是针对油田边远井、孤立井能够更方便的进行故障诊断，创新的采用手持终端与自组织竞争神经网络相结合的方法进行油井故障诊断。以抽油机作为研究对象，从油井的示功图入手，利用自组织竞争神经网络对抽油井示功图进行智能识别分类，实现油井故障的自动诊断。实验表明，基于神经网络的故障诊断系统在手持android终端能够成功实现，并且诊断正确率在97.3%以上。
2021-04-28 16:20:04
905KB
1
RBF神经网络神经网络故障诊断和数据预测的matlab程序matlab
2021-02-28 11:39:06
2KB
1
神经网络故障诊断和数据预测的matlab程序；故障诊断运用的是BP神经网络，数据预测运用的是RBF神经网络，已经程序测试，成功运用
2019-12-21 20:07:49
1022B
1