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:
提出了一种基于生长型分级自组织映射(GHSOM)网络的故障识别方法,给出了方法的基本原理,并将该方法应用于汽轮机组与齿轮的故障数据分析.研究结果表明,GHSOM能根据数据特征无监督地对故障进行正确聚类和识别,并且具有动态增长及分层特性,能解析出数据内在的层次结构,实现由粗到精的聚类识别,该方法可以扩展应用于机械故障的诊断与识别.
推荐文章
基于时频分析的网络故障自动识别
网络管理
故障识别
时频分析
魏格纳分布
基于无监督神经网络的故障模式识别
无监督神经网络
模式识别
故障诊断
基于半监督密集阶梯网络的工业故障识别
半监督学习
阶梯网络
密集连接
工业故障分类
算法
神经网络
优化
自编码器
应用GHSOM网络分析南海北部表层环流模态与黑潮入侵
海表高度
南海北部环流
黑潮入侵
增长型分级自组织映射
季节变化
年际变化
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GHSOM网络的故障识别
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 机械故障诊断 故障识别 生长型分级自组织映射 聚类
年,卷(期) 2008,(7) 所属期刊栏目 机械与材料工程
研究方向 页码范围 105-107
页数 3页 分类号 TH17|TP1.8
字数 1369字 语种 中文
DOI 10.3321/j.issn:1671-4512.2008.07.028
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 刘建平 华中科技大学数字制造装备与技术国家重点实验室 49 683 15.0 25.0
2 廖广兰 华中科技大学数字制造装备与技术国家重点实验室 64 654 12.0 24.0
3 轩世元 华中科技大学数字制造装备与技术国家重点实验室 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(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)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
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
机械故障诊断
故障识别
生长型分级自组织映射
聚类
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
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
国家重点基础研究发展计划(973计划)
英文译名:National Basic Research Program of China
官方网址:http://www.973.gov.cn/
项目类型:
学科类型:农业
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导