基于小波神经网络的机械故障预测

您当前的位置：

首页 >

文章列表页 >

基于小波神经网络的机械故障预测

更新时间：2025-04-03

- 基于小波神经网络的机械故障预测
- Issue 3, Pages: 68-70+3(2006)
- 作者机构：
  
  黑龙江工程学院2. 山东科技大学信息与电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.16578/j.issn.1004.2539.2006.03.024
  CLC： TH17
- Published：2006
- 稿件说明：
移动端阅览
[1]刘亚娟,李洪智,王致杰.基于小波神经网络的机械故障预测[J].机械传动,2006(03):68-70+3.

[J]. 2006, (3): 68-70+3.
[1]刘亚娟,李洪智,王致杰.基于小波神经网络的机械故障预测[J].机械传动,2006(03):68-70+3. DOI： 10.16578/j.issn.1004.2539.2006.03.024.

[J]. 2006, (3): 68-70+3. DOI： 10.16578/j.issn.1004.2539.2006.03.024.

良好的局部放大特性和多分辨率学习特性使得小波神经网络比神经网络有更强的自适应能力、更快的收敛速度和更高的预报精度。本文构造了一个小波神经网络

给出了基于小波神经网络的机械故障趋势预测方法

并通过对煤矿提升机闸瓦间隙进行故障预测

验证其方法的可行性。

The good local amplification and multi-resolution characteristic make the wavelet network have strong adaptive capacity

fast convergence speed and high precision of prediction.A wavelet neural network is constructed.Based on this network

the trend prediction method of mechanical fault is provided

and through carrying on failure prediction to the mine hoist brake shoe interval

the feasibility of this method is verified.

Views

315

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

气缸套激光表面硬化指标的神经网络预测

基于Labview的机械故障远程诊断系统的设计与实现

Related Author

任菲

吴耀宇

吴晓铃

赵少甫

吴笛

Related Institution

郑州大学机械工程学院2. 中州大学工程技术学院3. 重庆大学机械传动国家重点实验室4. 郑州机械研究所

西昌学院工程技术系

⁰