作者:
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:
为了实现滚动轴承故障的快速检测,提出了一种基于神经网络和轴承振动信号时域指标的滚动轴承故障检测方法.采用振动信号的偏态、峭度、峰值和裕度作为BP神经网络的输入,用BP算法对网络进行了训练.实验结果表明,利用该方法可以有效实现滚动轴承故障的快速检测.
推荐文章
基于卷积神经网络的滚动轴承故障诊断方法
深度学习
卷积神经网络
特征自动提取
轴承故障诊断
基于概率神经网络的滚动轴承故障诊断
PNN网络
BP神经网络
故障诊断
滚动轴承
基于小波包和改进BP神经网络的滚动轴承故障诊断方法
小波包
BP神经网络
Levenberg?Marquardt
滚动轴承
故障诊断
基于改进的RBF神经网络的滚动轴承故障诊断
RBF神经网络
减聚类算法
故障诊断
滚动轴承
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 基于神经网络的滚动轴承故障快速检测方法
来源期刊 计算机系统应用 学科 工学
关键词 故障诊断 神经网络 滚动轴承 快速诊断 BP算法
年,卷(期) 2010,(9) 所属期刊栏目
研究方向 页码范围 224-226
页数 分类号 TP3
字数 2653字 语种 中文
DOI 10.3969/j.issn.1003-3254.2010.09.051
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 谢雅 湖南涉外经济学院计算机学部 6 10 1.0 3.0
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  (21)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2019(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
故障诊断
神经网络
滚动轴承
快速诊断
BP算法
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
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
论文1v1指导