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:
为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新.通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1.因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况.
推荐文章
基于2维能量特征和快速SVM的涡轮泵实时故障检测算法
涡轮泵
2维能量特征
快速SVM
实时故障检测
基于SOM算法的HTTP隧道攻击检测
自组织映射网络
超文本传输协议
隧道
入侵检测
涡轮泵转子失稳故障分析
轴套结构
稳定性
内摩擦失稳
涡轮泵
转子
基于小波包频带能量检测技术的故障诊断
小波包
振动信号
能量谱
故障诊断
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 涡轮泵故障检测的频段能量比SOM算法
来源期刊 国防科技大学学报 学科 航空航天
关键词 液体火箭发动机 涡轮泵 故障检测 自组织映射 频段能量比
年,卷(期) 2005,(6) 所属期刊栏目 机电工程·信息工程
研究方向 页码范围 93-96
页数 4页 分类号 V434+.21
字数 2848字 语种 中文
DOI 10.3969/j.issn.1001-2486.2005.06.020
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 胡茑庆 国防科技大学机电工程与自动化学院 65 1255 20.0 33.0
2 邱忠 国防科技大学机电工程与自动化学院 1 2 1.0 1.0
3 谢光军 国防科技大学机电工程与自动化学院 7 68 5.0 7.0
4 胡雷 国防科技大学机电工程与自动化学院 9 58 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (18)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1997(6)
  • 参考文献(1)
  • 二级参考文献(5)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
2005(3)
  • 参考文献(3)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
液体火箭发动机
涡轮泵
故障检测
自组织映射
频段能量比
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
国防科技大学学报
双月刊
1001-2486
43-1067/T
大16开
湖南省长沙市开福区德雅路109号
42-98
1956
chi
出版文献量(篇)
3593
总下载数(次)
5
论文1v1指导