基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
结合小波变换和神经网络理论,提出了一种自适应小波神经网络。网络在学习过程中对小波的尺度参数和平移参数进行自适应调整,最大限度地对信号进行特征提取,并研究了基于自适应小波神经网络的机械故障分类方法,对轴承的分类实例结果表明该网络分类准确,可靠性高。
推荐文章
一种基于小波神经网络的自适应控制方法
自适应控制
神经网络
小波逼近
基于小波神经网络的机械故障预测
小波网络
机械故障
预测
基于小波神经网络(WNN)的齿轮故障诊断
齿轮故障机理
齿轮故障诊断
小波神经网络(WNN)
基于自适应小波神经网络实现鱼雷超声引信信号消噪
鱼雷
超声引信
自适应
小波分析
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应小波神经网络的故障分类
来源期刊 振动、测试与诊断 学科 工学
关键词 自适应小波 神经网络 学习算法 故障分类
年,卷(期) 2001,(1) 所属期刊栏目 论文
研究方向 页码范围 21-25
页数 6页 分类号 TP393|TK267
字数 2498字 语种 中文
DOI 10.3969/j.issn.1004-6801.2001.01.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵学智 华南理工大学机电系 106 1585 21.0 37.0
2 陈统坚 广东工业大学机电系 2 52 1.0 2.0
3 陈文戈 华南理工大学机电系 1 52 1.0 1.0
4 林颖 广东工业大学机电系 1 52 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (4)
参考文献  (5)
节点文献
引证文献  (52)
同被引文献  (34)
二级引证文献  (238)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(3)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2002(2)
  • 引证文献(2)
  • 二级引证文献(0)
2003(6)
  • 引证文献(5)
  • 二级引证文献(1)
2004(17)
  • 引证文献(8)
  • 二级引证文献(9)
2005(32)
  • 引证文献(9)
  • 二级引证文献(23)
2006(24)
  • 引证文献(2)
  • 二级引证文献(22)
2007(32)
  • 引证文献(6)
  • 二级引证文献(26)
2008(32)
  • 引证文献(2)
  • 二级引证文献(30)
2009(25)
  • 引证文献(2)
  • 二级引证文献(23)
2010(19)
  • 引证文献(3)
  • 二级引证文献(16)
2011(11)
  • 引证文献(0)
  • 二级引证文献(11)
2012(14)
  • 引证文献(4)
  • 二级引证文献(10)
2013(16)
  • 引证文献(2)
  • 二级引证文献(14)
2014(10)
  • 引证文献(3)
  • 二级引证文献(7)
2015(11)
  • 引证文献(1)
  • 二级引证文献(10)
2016(10)
  • 引证文献(0)
  • 二级引证文献(10)
2017(8)
  • 引证文献(1)
  • 二级引证文献(7)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(10)
  • 引证文献(1)
  • 二级引证文献(9)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自适应小波
神经网络
学习算法
故障分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
振动、测试与诊断
双月刊
1004-6801
32-1361/V
南京市御道街29号
chi
出版文献量(篇)
2937
总下载数(次)
3
相关基金
广东省自然科学基金
英文译名:Guangdong Natural Science Foundation
官方网址:http://gdsf.gdstc.gov.cn/
项目类型:研究团队
学科类型:
论文1v1指导