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:
以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.
推荐文章
基于紧致型小波神经网络的往复泵故障诊断
振动与波
小波神经网络
往复泵
故障诊断
小波包
基于小波神经网络的油泵故障诊断
小波神经网络
油泵
故障诊断
基于小波神经网络的滚动轴承故障诊断
故障诊断
神经网络
小波分析
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 基于压力信号的循环泵故障诊断小波神经网络技术
来源期刊 科学技术与工程 学科 工学
关键词 循环泵 故障诊断 特征向量 小波神经网络
年,卷(期) 2008,(4) 所属期刊栏目 研究简报
研究方向 页码范围 1103-1105
页数 3页 分类号 TP806.3
字数 2268字 语种 中文
DOI 10.3969/j.issn.1671-1815.2008.04.061
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 段玉波 大庆石油学院电气信息工程学院 49 452 13.0 18.0
2 袁军 大庆石油学院电气信息工程学院 3 30 2.0 3.0
3 陈继刚 大庆石油学院电气信息工程学院 3 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (5)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
研究主题发展历程
节点文献
循环泵
故障诊断
特征向量
小波神经网络
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
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导