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:
随着人们越来越重视机械安全运行,人们对机械故障诊断关注程度也越来越高.为了提高机械故障诊断的效率和准确率,提出一种融合PCA和BP神经网络的故障诊断方法.利用PCA对故障诊断特征进行降维,再利用BP神经网络进行故障诊断.采用Matlab软件实现了基于PCA和BP神经网络的故障诊断仿真系统.运行结果表明,该系统界面友好、使用简便,对故障诊断的准确率较高等优点.
推荐文章
基于BP神经网络的卫星故障诊断方法
卫星
BP神经网络
故障诊断
Kernel PCA与BP神经网络相结合的变压器故障诊断
核主成分分析
BP神经网络
电力变压器
故障诊断
基于退火BP神经网络的模拟电路故障诊断方法
故障诊断
模拟电路
BP神经网络
模拟退火
基于BP神经网络的模拟电路故障诊断
BP神经网络
模拟电路
故障特征
故障诊断
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PCA和BP神经网络的故障诊断仿真系统
来源期刊 自动化与仪器仪表 学科 工学
关键词 PCA BP神经网络 故障诊断 Matlab
年,卷(期) 2015,(12) 所属期刊栏目 过程自动化
研究方向 页码范围 47-48,51
页数 3页 分类号 TP391.4
字数 语种 中文
DOI 10.14016/j.cnki.1001-9227.2015.12.047
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 朱兴统 广东石油化工学院计算机与电子信息学院 17 82 6.0 8.0
3 熊建斌 广东石油化工学院计算机与电子信息学院 26 112 6.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (95)
参考文献  (10)
节点文献
引证文献  (6)
同被引文献  (36)
二级引证文献  (7)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(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)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(8)
  • 参考文献(2)
  • 二级参考文献(6)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
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)
2016(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(5)
  • 引证文献(3)
  • 二级引证文献(2)
研究主题发展历程
节点文献
PCA
BP神经网络
故障诊断
Matlab
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
自动化与仪器仪表
月刊
1001-9227
50-1066/TP
大16开
重庆市渝北区人和杨柳路2号B区
78-8
1981
chi
出版文献量(篇)
9657
总下载数(次)
37
总被引数(次)
30777
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导