PHM算法专著合集 | 第二辑 神经网络模型

变幅度。

5）循环系统迭代1)~4)直到差异较大，或消减到登录的特点数幅度。选用的特点变幅度如下表简述。

研究成果四

J. Li, X. Yao, X. Wang, Q. Yu, andY. Zhang, “Multiscale local features learning based on BP neural network forrolling bearing intelligent fault diagnosis,” Meas. J. Int. Meas. Confed., vol. 153, p.107419, 2020, doi: 10.1016/j.measurement.2019.107419.

选用傅立叶好好多时间尺度溶解，选用数学基本概念好好局部特点分离出来，最后选用SVM好好综合可分基本概念。

具体来感叹，在专业训练前期：1）选用傅立叶溶解，将类似阻尼路径溶解为4个混合物（Component）；对于一个假定混合物，将其分界为长度为Np的多个无重叠兄核苷酸（Segment）；2）专业训练数学基本概念基本概念：根据兄核苷酸及其完全一致的标签（也就是类似阻尼时序完全一致的短路并不一定），专业训练数学基本概念基本概念（每个组份一个数学基本概念基本概念），将比如说层的编码器视为该兄核苷酸的特点变幅度；3）根据数学基本概念基本概念，构建每个混合物（Component）的特点向幅度：

和专业训练前期一样，将其分界为长度为Np的多个无重叠兄核苷酸（Segment） 每个兄核苷酸（Segment），借助完全一致混合物的数学基本概念基本概念测算成比如说层正常向幅度（特点变幅度） 针对每个正常向幅度，选用局部池操作(Pooling)，测算最大值和极大值 将这些数值按照兄核苷酸的先后顺序，构成该混合物的特点向幅度

4）将各有不同混合物的特点向幅度按照固定先后顺序拼接为一个全都的特点向幅度，作为SVM基本概念专业训练的自变幅度；

第2)、3)迭代的测算逻辑如图简述。

原作者用了2个紧贴螺栓信息集（试验台、CWRU信息）同步进行了验证。

研究成果五

E. P. De Moura, C. R. Souto, A. A.Silva, and M. A. S. Irmão, “Evaluation of principal component analysis andneural network performance for bearing fault diagnosis from vibration signalprocessed by RS and DF analyses,” Mech.Syst. Signal Process., vol. 25, no. 5, pp.1765–1772, 2011, doi: 10.1016/j.ymssp.2010.11.021.

选用detrended- fluctuation analysis (DFA)和 rescaled-rangeanalysis (RSA)好好实例，相辅相成PCA和数学基本概念同步进行螺栓短路可分.

研究成果六

S. S. Refaat, H. Abu-Rub, M. S.Saad, E. M. Aboul-Zahab, and A. Iqbal, “ANN-based for detection, diagnosis thebearing fault for three phase induction motors using current signal,” Proc. IEEE Int. Conf. Ind. Technol., pp.253–258, 2013, doi: 10.1109/ICIT.2013.6505681.

选用EMD溶解，针对每个IMF选用WVD分离出来特点，最后选用数学基本概念好好可分。解法路线如下图简述。

各有不同正常的螺栓下EMD溶解和WVD分析示例如下图简述。

研究成果七、八

B. Samanta. Gear fault detectionusing artificialneural networks and support vector machines with genetic algorithms.Mechanical systems and signalprocessing, vol. 18, no. 3, pp. 625-644. B. Samanta, K. R. Al-Balushi, andS. A. Al-Araimi, “Artificial neural networks and support vector machines withgenetic algorithm for bearing fault detection,” Eng. Appl. Artif. Intell., vol. 16, no.7–8, pp. 657–665, 2003, doi: 10.1016/j.engappai.2003.09.006.

这2前言和之前的指导工作类似。

研究成果九

A. Saxena and A. Saad, “Evolving anartificial neural network classifier for condition monitoring of rotatingmechanical systems,” Appl. Soft Comput. J., vol. 7, no. 1, pp. 441–454, 2007, doi: 10.1016/j.asoc.2005.10.001.

如何用GA简化ANN的在结构上常幅度，前面介绍过，不再赘述。

研究成果十

C. C. Wang and G. P. J. Too, “Rotatingmachine fault detection based on HOS and artificial neural networks,” J.Intell. Manuf., vol. 13, no. 4, pp. 283–293, 2002, doi:10.1023/A:1016024428793.

选用HOS（Higher-Order Statistics）好好特点分离出来，在试验台测试4种正常(正常、不平衡初始前期、不平衡明显前期、不平衡轻微前期)可分，说明了HOS比能幅度可知要好，背后的简洁想法是庞加莱噪声2阶以上的产成可知数值为0，选用HOS特点分离出来可以最好的威吓庞加莱噪声。在可分上，选用了SOM(Self-Organizing不平衡Mapping，自其组织网络)和LVQ(Learning Vector Quantization)两种各有不同的数学基本概念基本概念，实验室也感叹明无监督SOM也可以把各有不同兄类的短路最好的分开，与LVQ在可分上并未区别于。

研究成果十一

S. Wu, T. W. S. Chow, “InductionMachine Fault Detection Using SOM-Based RBF Neural Networks,” IEEE Trans. Ind. Electron., vol. 51, no.1, pp. 183–194, 2004.

在特点分离出来上，在Hz响应上加工了总能幅度、之的中心Hz、也就是说二阶距(Normalized second-order central moment)、也就是说的三阶距等4个特点变幅度。

在可分解法上，选用了RBF数学基本概念作为主基本概念，但考虑到RBF基本概念在柯西较慢，在转换层-比如说层的专业训练上同步进行了基础上，将专业训练后SOM基本概念（严格感叹是基于SOM的改机基本概念CSG）的编码器作为比如说层的之的中心点，这样转换层-比如说层的常幅度专业训练变换为一个简单的解法求解。

在三相感应电机组员同步进行验证，考虑到各有不同转速和损耗，识别正常、电气不平衡短路（5个轻微工联会）、机械短路(轻、之中、轻微)。

研究成果十二

X. Xu, D. Cao, Y. Zhou, and J. Gao,“Application of neural network algorithm in fault diagnosis of mechanicalintelligence,” Mech. Syst. Signal Process., vol. 141, p. 106625, 2020, doi: 10.1016/j.ymssp.2020.106625.

将模棱两可转用了数学基本概念在结构上，第一层模棱两可隶属度选用庞加莱核函数，第二层选用同一条模棱两可游戏规则之中多个必须的隶属度相乘，第三层是也就是说（坚称了每个游戏规则的激活标准差），第四层是去模棱两可操作（激活标准差与线性基本概念的行列式），第五层是多个模棱两可游戏规则编码器的综合。

研究成果十三

D.-M. Yang, A. F. Stronach and P.MacConnell. THIRD-ORDER SPECTRALTECHNIQUES FORTHE DIAGNOSIS OF MOTOR BEARINGCONDITION USING ARTIFICIAL NEURAL NETWORKS. MechanicalSystems and Signal Processing, vol. 16(2–3),p. 391–411, 2002.

在特点分离出来上，选用能幅度可知、双可知（bispectrum）、双相干可知（bicoherence）、双可知对角活体（bispectrum diagonal slice）、双相干可知对角活体、产成千分之双可知(summed bispectrum)、产成千分之双相干可知。在螺栓治疗之中，产成千分之双可知的作用更加明显。

研究成果十四

ZHOU G H, ZUO C C, WANG J Z等. A new fault diagnosis model based on AIR scheme[J]. FirstInternational Conference on Innovative Computing, Information and Control 2006,ICICIC’06, 2006: 218–221. DOI:10.1109/ICICIC.2006.14.

将artificialimmune regulation (AIR)与数学基本概念的在结构上相辅相成。针对类似阻尼路径，分离出来19个特点，然后用AIR解法同步进行聚类，簇之的中心作为数学基本概念的比如说路由表，然后选用最小二乘解法实现可分层的常幅度量化，这种方法在测算效率上优于经典数学基本概念。

。

成都妇科医院哪家医院最好
早泄的原因有哪些
三亚前列腺炎治疗哪家好
南京癫痫医院排行
武汉看精神心理去什么医院好
流感咳嗽有痰吃什么药
流感咳嗽厉害有痰吃什么药止咳效果好
癫痫治疗
急支糖浆有什么作用
近视