故障特征提取的方法研究

故障特征提取的方法研究

摘要：針對常規特征提取方法存在著問題不足，提出了基于BP神經網絡和基于互信息熵的特征提取方法，并通過特征提取實例加以說明。結果表明這兩種方法是可行和有效的。

隨著科學技術的發展，現代設備的結構日趨復雜，其故障類型越來越多，反映故障的狀態、特征也相應增加。在實際故障診斷過程中，為了使診斷準確可靠，總要采集盡可能多的樣本，以獲得足夠的故障信息。但樣本太多，會占用大量的存儲空間和計算時間，太多的特征輸入也會引起訓練過程耗時費工，甚至妨礙訓練網絡的收斂，最終影響分類精度。因此要從樣本中提取對診斷故障貢獻大的有用信息。這一工作就是特征提取。

特征提取就是利用已有特征參數構造一個較低維數的特征空間，將原始特征中蘊含的有用信息映射到少數幾個特征上，忽略多余的不相干信息。從數學意義上講，就是對一個n維向量X＝[x1，x2，…，xn]T進行降維，變換為低維向量Y＝[y1，y2，…，ym]T，m

【故障特征提取的方法研究】相關文章：

當前網絡故障排除方法研究03-08

彩色圖像特征提取研究(一)03-07

淺談模擬電路故障原因與診斷方法03-18

淺談數控機床故障的常用診斷方法03-18

氣壓制動的故障原因及排除方法探討09-05

開題報告研究方法03-12

分析電動機常見故障及處理方法03-19

電動機常見故障分析及處理方法03-12

淺談數控設備常見故障分析及維修方法03-18

淺談電力變壓器故障原因及處理方法05-20