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:
针对传统功率谱信号源不足以及BP神经网络收敛速度慢且容易陷入局部极小等问题,提出矢功率谱和蚁群神经网络相结合的故障诊断方法,该方法是:提取矢功率谱的8个频段能量特征,并输入到蚁群神经网络分类器进行故障识别,通过实际训练结果和实验结果对比可知,蚁群神经网络能有效地提高收敛速度,网络迭代次数明显改善,故障识别率提高,将蚁群神经网络应用于机械故障诊断是有效的.
推荐文章
矢功率谱与概率神经网络结合在旋转机械故障诊断中的应用研究
矢功率谱
概率神经网络
故障诊断
信息融合
神经网络在旋转机械故障诊断中的应用
神经网络
故障诊断
BP网络
蚁群神经网络在齿轮箱故障诊断中的研究与应用
蚁群优化算法
神经网络
齿轮箱
故障诊断
基于神经网络的旋转机械故障诊断研究
故障诊断
神经网络
旋转机械
智能诊断
感知器
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 矢功率谱与蚁群神经网络结合在机械故障诊断中的应用研究
来源期刊 现代制造工程 学科 工学
关键词 矢功率谱 蚁群算法 BP神经网络 故障诊断
年,卷(期) 2013,(6) 所属期刊栏目 设备设计/诊断维修/再制造
研究方向 页码范围 121-125
页数 5页 分类号 TP391.7
字数 3298字 语种 中文
DOI
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 杨春燕 郑州轻工业学院机电工程学院 17 88 6.0 9.0
2 杜文辽 郑州轻工业学院机电工程学院 46 209 8.0 13.0
3 云康 郑州轻工业学院机电工程学院 12 29 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (3)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(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)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(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
矢功率谱
蚁群算法
BP神经网络
故障诊断
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
现代制造工程
月刊
1671-3133
11-4659/TH
大16开
北京市西城区核桃园西街36号301A
2-431
1978
chi
出版文献量(篇)
9080
总下载数(次)
14
总被引数(次)
50123
论文1v1指导