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:
为了在强背景噪声下有效识别齿轮故障,提出了一种多传感器信息融合的识别方法.首先计算多传感器振动信号的小波相关特征尺度熵,并以此作为强噪声背景下齿轮故障特征信息;以各尺度信息熵作为SOM神经网络的输入层,用标准训练样本训练神经网络,齿轮故障类型在竞争层聚类;为了提高识别过程的准确性及完整性,采用多传感器决策层融合技术,构造D-S证据理论识别框架,建立基于统计SOM神经网络识别率的基本信任函数分配方法.每个传感器的子决策作为一条子证据,根据D-S证据理论合成规则及各传感器的基本信任函数分配完成融合识别.试验结果证明,齿轮多传感器信息融合识别方法可以实现强噪声背景下齿轮故障的准确识别,消除识别的不确定性,识别率可达90%以上,是一种有效的齿轮故障识别方法.
推荐文章
基于多类型传感器信息的结构损伤识别方法
结构健康监测
损伤识别
数据融合
神经网络
D-S证据理论
基于多传感器融合信息的故障诊断
多传感器信息融合
Dempster-Shafer证据理论
故障诊断
基于SVM与多振动信息融合的齿轮故障诊断
多振动信号
信息融合
SVM
故障诊断
齿轮
基于时空信息比较的温室环境传感器故障识别
温室环境
传感器
时空特性
节点信息
故障识别
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 基于多传感器信息融合的齿轮故障识别方法
来源期刊 矿山机械 学科 工学
关键词 齿轮 多传感器融合 SOM神经网络 D-S证据理论 故障诊断
年,卷(期) 2015,(11) 所属期刊栏目 通用
研究方向 页码范围 125-130
页数 6页 分类号 TH132.41|TH165+.1
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (18)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 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
齿轮
多传感器融合
SOM神经网络
D-S证据理论
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
矿山机械
月刊
1001-3954
41-1138/TD
大16开
河南省洛阳市涧西区重庆路
36-21
1973
chi
出版文献量(篇)
14091
总下载数(次)
26
总被引数(次)
36664
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导