X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到辽阳市科技创新服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[00906162]高抗干扰电动机故障监测系统的研究

交易价格: 面议

所属行业: 软件

类型: 非专利

交易方式: 资料待完善

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

该项课题研究了多尺度特性与数据的融合估计以及基于神经网络的信息融合故障诊断系统,并在该基础上搭建了故障诊断实验平台,针对电动执行器的三种典型故障特征,进行实验数据的提取,并将实验数据用两级融合理论算法进行仿真验证,有效、准确的诊断出电动机的各种故障。其特点:(1)建立了多尺度数据融合故障诊断模型,针对强跟踪滤波器理论在处理非线性系统时变参数与状态估计的能力,完成了基于强跟踪滤波器理论多传感器信息融合设备故障诊断理论算法,从而提高滤波器跟踪突变状态的能力,克服了因个别传感器误差过大造成的估计误差偏大的问题。(2)利用小波神经网络的非线性模型,及对多输入输出问题带来的网络规模大、收敛速度慢等问题,采用改进的遗传算法对时频相位点进行优化,从而简化小波网络,缓解。该成果具有十分重要的使用价值。
该项课题研究了多尺度特性与数据的融合估计以及基于神经网络的信息融合故障诊断系统,并在该基础上搭建了故障诊断实验平台,针对电动执行器的三种典型故障特征,进行实验数据的提取,并将实验数据用两级融合理论算法进行仿真验证,有效、准确的诊断出电动机的各种故障。其特点:(1)建立了多尺度数据融合故障诊断模型,针对强跟踪滤波器理论在处理非线性系统时变参数与状态估计的能力,完成了基于强跟踪滤波器理论多传感器信息融合设备故障诊断理论算法,从而提高滤波器跟踪突变状态的能力,克服了因个别传感器误差过大造成的估计误差偏大的问题。(2)利用小波神经网络的非线性模型,及对多输入输出问题带来的网络规模大、收敛速度慢等问题,采用改进的遗传算法对时频相位点进行优化,从而简化小波网络,缓解。该成果具有十分重要的使用价值。

推荐服务:

主办单位:辽阳市科学技术局

技术支持单位:科易网

辽ICP备16017206号-1

辽公网安备 21100302203138号

关于我们

平台简介

联系我们

客服咨询

400-649-1633

工作日:08:30-21:00

节假日:08:30-12:00

13:30-17:30