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:
采用小波神经网络的方法实现回转窑故障诊断.选取回转窑主电机电流作为故障分类依据,用小波包特征向量提取的方法提取各故障情况下窑电流在不同频带上的能量特征.将提取的特征向量作为神经网络的输入,故障类型作为输出,训练概率神经网络,实现故障分类,并设置测试组对网络学习效果进行测试.设计Matlab GUI故障诊断界面,搭建了回转窑故障诊断平台,实现样本波形绘制、特征向量提取、故障诊断及提出解决方案等功能.仿真和实验结果证明提出的回转窑故障诊断方法是可行的,实现了对窑故障的分类,并实现了良好的人机交互.
推荐文章
基于小波神经网络的电机故障诊断研究
异步电动机
故障诊断
转子故障
小波神经网络
基于小波神经网络(WNN)的齿轮故障诊断
齿轮故障机理
齿轮故障诊断
小波神经网络(WNN)
小波变换和神经网络的电路故障诊断
电路故障诊断
小波变换
神经网络
故障特征提取
时频信息确定
诊断效果检测
基于小波神经网络的模拟电路故障诊断技术
模拟电路
故障诊断
小波分析
神经网络
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 Matlab GUI小波神经网络回转窑故障诊断
来源期刊 北京信息科技大学学报(自然科学版) 学科 工学
关键词 回转窑 窑电流 特征向量提取 小波包 故障诊断 Matlab GUI
年,卷(期) 2018,(4) 所属期刊栏目
研究方向 页码范围 57-62
页数 6页 分类号 TP216
字数 3691字 语种 中文
DOI 10.16508/j.cnki.11-5866/n.2018.04.010
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 艾红 北京信息科技大学自动化学院 99 317 9.0 12.0
2 王辉 北京信息科技大学自动化学院 12 30 3.0 4.0
3 谷雨 北京信息科技大学自动化学院 5 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (85)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(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)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(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(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
回转窑
窑电流
特征向量提取
小波包
故障诊断
Matlab GUI
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
北京信息科技大学学报(自然科学版)
双月刊
1674-6864
11-5866/N
大16开
北京市
1986
chi
出版文献量(篇)
2043
总下载数(次)
10
总被引数(次)
11074
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导