基于小波和神经网络的纸机状态监测和故障诊断研究
在采用遗传灾变算法对小波函数进行优化的基础上,由小波变换的方法对大型纸机关键部位的振动数据进行了分析,提取了纸机运行中的奇异和趋势特性方面的故障特征,并由纸机的故障信息形成的典型故障模式对人工神经网络进行了有效的训练和测试,为纸机的故障分析和诊断提供合理的技术支持,使纸机生产运行过程中的亚健康状态和真正故障的有效识别和诊断成为可能.实际应用的结果证明,该方法可以有效地筛选和分离振动信号的局部和趋势特征,并具有很好的信号重构性.
遗传灾变算法 小波变换 神经网络 纸机 故障诊断
张涛
齐齐哈尔大学机械工程学院(齐齐哈尔)
国内会议
成都
中文
270-273
2004-08-01（万方平台首次上网日期，不代表论文的发表时间）