基于数字化生产模型的在线故障诊断技术研究这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 在线故障诊断技术
上传时间： 2021-12-02
上传用户：
基于波形分析的汽车电控系统故障诊断技术(文献翻译)6666这是一份非常不错的资料，欢迎下载，希望对您有帮助！
上传时间： 2021-12-03
上传用户：d1997wayne
基于红外热成像原理的轮机故障诊断技术这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 红外热成像
上传时间： 2021-12-03
上传用户：
故障诊断基础这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 故障诊断
上传时间： 2022-01-04
上传用户：
毕业论文：基于统计特征的不等长间歇过程故障诊断研究这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： 统计特征
上传时间： 2022-01-14
上传用户：
知网：电池故障诊断论文5篇，全是硕士论文，基于机器学习、模糊控制的电池故障诊断
标签： 电池故障
上传时间： 2022-02-21
上传用户：
基于matlab的电机故障诊断这是一份非常不错的资料，欢迎下载，希望对您有帮助！
标签： matlab
上传时间： 2022-03-02
上传用户：
（1）介绍了模拟电路故障诊断技术发展和现状，对现有的主要诊断方法以及近年来先进的神经网络理论和技术以及数据融合技术在模拟电路故障诊断领域中的应用进行了简单的论述（2）对神经网络方法的基本原理及其在模拟电路故障诊断中的优势进行了详细的介绍，包括神经网络的分类和神经网络的学习规则。详细说明在电路故障诊断中应用最广泛的BP神经网的设计、训练和测试方法，并对一个两级RC耦合放大器电路例进行了测试、神经网络训练和诊断。（3）介绍了数据融合技术的概念、优缺点、基本方法及其在各个领域的应用情况。然后对于数据融合具体方法，着重研究了 Bayes统计融合方法Dempster-Shafer证据理论融合方法以及模糊集理论融合方法。最后采用基于待定系数法的隶属度构造法以及模糊融合的方法对实例电路进行了故障诊断。（4）提出了一种新的利用包含元件直流特性信息的静态工作点电压和包含元件交流特性信息的不同频率激励下输出电压峰值与输出电压峰值的比值两类信息进行数据融合诊断的方法，保证故障信息量的同时降低了获取难度，应用模糊数学的理论，通过模糊变换将两类故障信息通过两个神经网络诊断得出的故障求属度进行决策层的数据融合，较好的解决了了单神经网络诊断信息量不足，由于电路元件互相影响而产生的故障诊断不确定性的问题以及待融合故障信息隶属度获取困难的问题，使得诊断准确率得到较为明显的提高本文提出的基于数据融合和神经网络的方法可以实现对模拟电路的故障进行准确实时快速诊断，具有一定的实用价值。关健词：模拟电路；数据融合；神经网络；模糊集理论
标签： 数据融合
上传时间： 2022-03-17
上传用户：
直流无刷电机故障检测与诊断的仿真模型
标签： 无刷电机故障检测
上传时间： 2022-07-21
上传用户：
随着采煤自动化技术的发展，对煤矿井下供电系统可靠性、安全性和连续性的要求越来越高的要求，因此对矿用隔爆型高压开关智能综合保护系统的研究具有重要的理论和应用价值。随着微机保护的发展，一些新的保护原理和方案，受到越来越多的关注，并逐步得到实际应用。然而这些新方法在改善保护性能的同时也对微机保护装置的计算精度、速度和寻址空间等提出了更高的要求，因而也对构成微机保护装置的硬件平台提出了更高的要求。针对以上问题本文提出了一种新的微机保护设计方案，设计了一种基于DSP 和单片机双CPU 结构的微机保护系统，并应用于高压开关装置当中DSP 作为主CPU 芯片主要完成数据采集、数据处理和保护等功能，8051 作为从CPU 主要完成键盘处理、液晶显示处理和通讯等人机对话功能。此双核结构具有并行工作，分工明确的优点，既保证了继电保护的速动性，选择性、灵敏性和可靠性，又实现了实施测量的高精度。 本文首先根据矿井高压电网的实际情况，从理论上分析了矿井高压电网常见故障的电气特征，并参照相关标准制定了相应的保护原理和动作指标，尤其是针对矿井供电系统中普遍采用中性点不接地的情况，采用了“基于零序功率方向型”的选择性漏电保护原理。然后分析了交流采样、直流采样方法的优缺点，确定了高压防爆开关保护系统的采样方式。 保护系统的硬件是实现保护原理的平台，其稳定性和可靠性直接影响到保护功能的实现。本微机保护系统是基于DSP 和单片机的双CPU 微机线路综合保护测控装置，DSP 的采用大大提高了保护装置的数据处理速度，双CPU 结构大大提高了装置的可靠性。另外，该装置不仅可以完成继电保护功能，而且紧随当前电力系统自动化发展的需要，还可以完成测量、控制、数据通讯的功能，亦即实现保护、控制、测量、数据通讯一体化。
上传时间： 2013-05-17
上传用户：2007yqing
