欢迎来到咨信网! | 加入共赢加入共赢 咨信网一键收藏:Ctrl+D | 自信网络旗下运营:咨信网 自信AI创作助手 自信AI导航
咨信网
全部分类
  • 包罗万象   教育专区 >
  • 品牌综合   考试专区 >
  • 管理财经   行业资料 >
  • 环境建筑   通信科技 >
  • 法律文献   文学艺术 >
  • 学术论文   百科休闲 >
  • 应用文书   研究报告 >
  • ImageVerifierCode 换一换
    首页 咨信网 > 资源分类 > PDF文档下载
    分享到微信 分享到微博 分享到QQ空间

    基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf

    • 资源ID:291316       资源大小:1.37MB        全文页数:8页
    • 资源格式: PDF        下载积分:10金币
    微信登录下载
    验证码下载 游客一键下载
    账号登录下载
    三方登录下载: QQ登录
    二维码
    微信扫一扫登录
    下载资源需要10金币
    邮箱/手机:
    验证码: 获取验证码
    温馨提示:
    支付成功后,系统会自动生成账号(用户名为邮箱或者手机号,密码是验证码),方便下次登录下载和查询订单;
    支付方式: 支付宝    微信支付   
    验证码:   换一换

    开通VIP
     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    声明    |    会员权益      获赠5币      写作写作
    1、填表:    下载求助     索取发票    退款申请
    2、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
    3、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,个别因单元格分列造成显示页码不一将协商解决,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
    4、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
    5、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
    6、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
    7、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。

    基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf

    1、第4 0卷第3期2 0 2 3年6月河 北 省 科 学 院 学 报J o u r n a l o f t h e H e b e i A c a d e m y o f S c i e n c e sV o l.4 0 N o.3J u n.2 0 2 3收稿日期:2 0 2 3-0 2-1 4作者简介:李 蒙(1 9 8 9),男,河北石家庄人,博士,工程师,研究方向为天线故障分类与识别技术.E-m a i l:5 5 0 7 7 5 9 6 9q q.c o m文章编号:1 0 0 1-9 3 8 3(2 0 2 3)0 3-0 0 3 0-0 8基于子带功率均值的天线故障特征提取及分类技

    2、术李 蒙,周昊天,霍克强,刘泽成,王京城,李 扬(中国电子科技集团公司 第五十四研究所,河北 石家庄 0 5 0 0 8 1)摘 要:针对测控天线传动链常见的螺栓松动故障,提出了一种子带功率均值(A P S D S)的振动信号特征提取方法,通过搭建天线座架试验平台进行故障模拟和振动数据采集,并利用多层神经网络进行故障分类诊断及预测试验。试验结果表明,本文所提出的A P S D S法能够有效增强故障状态的特征区分度,平均故障分类准确率达到9 5%以上,该方法的提出可在天线健康管理系统中具有较好的实用价值。关键词:天线试验平台;故障诊断;子带功率均值;特征提取;神经网络中图分类号:TH 1 6 5

    3、.3 文献标识码:AA n t e n n a f a u l t f e a t u r e e x t r a c t i o n a n d c l a s s i f i c a t i o n t e c h n e q u e b a s e d o n A P S D SL I M e n g,Z H O U H a o t i a n,H U O K e q i a n g,L I U Z e c h e n g,WA N G J i n g c h e n g,L I Y a n g(T h e 5 4t h R e s e a r c h I n s t i t u t e

    4、 o f C E T C,S h i j i a z h u a n g H e b e i 0 5 0 0 8 1,C h i n a)A b s t r a c t:I n v i e w o f t h e c o mm o n b o l t l o o s e n e s s f a u l t i n t h e a n t e n n a t r a n s m i s s i o n c h a i n,a v i b r a t i o n s i g n a l f e a t u r e e x t r a c t i o n t e c h n o l o g y b

    5、a s e d o n A P S D S i s p r o p o s e d i n t h i s r e s e a r c h.M e a n w h i l e,f a u l t s i m u l a t i o n a n d v i b r a t i o n d a t a a c q u i s i t i o n a r e c a r r i e d o u t b y b u i l d i n g a n a n t e n n a p e d e s t a l t e s t p l a t f o r m,a n d t h e n f a u l t

    6、c l a s s i f i c a t i o n d i a g n o s i s a n d p r e d i c t i o n t e s t s a r e c o n d u c t e d b y u s i n g m u l t i-l a y e r n e u r a l n e t w o r k.T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e p r o p o s e d A P S D S m e t h o d c a n e f f e c t i v e l y e

    7、n h a n c e t h e f e a t u r e d i s c r i m i n a t i o n o f f a u l t s t a t u s w i t h t h e a v e r a g e f a u l t c l a s s i f i c a t i o n a c c u r a c y o f o v e r 9 5%.T h e p r o p o s e d m e t h o d h a s g o o d p r a c t i c a l v a l u e i n t h e a n t e n n a h e a l t h m a

    8、 n a g e m e n t s y s t e m.K e y w o r d s:A n t e n n a t e s t p l a t f o r m;F a u l t d i a g n o s i s;A v e r a g e o f p o w e r s p e c t r a l d e n s i t y s u b-b a n d s;F e a t u r e e x t r a c t i o n;N e u r a l n e t w o r k0 引言天线装备的安全运转和健康通信是保障国防安全和经济建设的重要基础。随着天线装备自动化运行DOI:10.16

    9、191/ki.hbkx.2023.03.006第3期李 蒙等:基于子带功率均值的天线故障特征提取及分类技术使用需求增多,具备2 4小时无人值守模式、具备智能化故障告警和健康管理系统的天线装备正得到极力推广1。天线装备的故障诊断方式较为单一,故障数据缺乏且故障信息反馈准确性不高,针对天线微弱故障特征的分类与识别准确率较低,且系统漏报误报率高居不下2。因此,如何采用有效手段解决天线装备中难以发现的微小故障,并能够及早发现其特征变化是目前迫切需要开展的研究3,4。其中,利用振动数据进行故障分类诊断研究已在多个领域中得到成熟应用。A n d r e w等人5提出一种交叉功率谱平均值法来提取低电平振动信

    10、号的频谱特征,该技术可恢复噪声中丢失的振动特征。C u s i d o等人6提出一种基于短时傅里叶变换以及小波和功率谱密度(P S D)技术的进一步组合来分析频谱图,极大的减少了处理功率数据量,并在链子断裂故障实验中得到验证。张家良等人7采用自适应辨识算法求解时域V o l t e r r a核,用快速多维傅立叶变换获得非线性频谱特征。已有方法主要依靠良好的谱密度方法来确定故障特征信息,对设备故障状态的分类区分度较为明显。同时,伴随着智能算法的快速发展,结合机器学习或深度学习的智能分类器的使用,同样在故障诊断领域得到了广泛应用8。本研究提出一种子带功率均值(A P S D S)的振动信号特征提

    11、取方法,主要对天线振动数据进行子带频谱划分来提取微弱特征值,并通过以某测控天线转台座架搭建试验平台,模拟天线传动系统的螺栓松动故障进行状态模拟和振动数据采集,利用B P神经网络实现了故障分类诊断及预测试验。1 基于子带功率均值的天线故障特征提取方法功率谱密度(p o w e r s p e c t r a l d e n s i t y,P S D)是一种概率统计方法9,是对随机变量均方值的量度。一般用于随机振动分析,连续瞬态响应只能通过概率分布函数进行描述。功率谱密度定义为单位频带内的“功率”。功率谱密度分段平均值是在P S D的基础上进行频率区间划分,并分别计算各个频率区间内的RM S值以

    12、作为本频率区间内的特征值。1.1 特征提取方法首先对天线传动链的振动监测信号利用窗函数进行预处理截取划分;然后利用离散傅里叶变换计算每个窗函数信号的功率谱密度,假设第m个窗函数信号表示为sm(k),采样频率为f,则该窗函数信号的离散傅里叶变换Sm的计算公式为:Sm=N-1k=0sm(k)e-j2 n kN(n=0,1,N-1)(1)式中N为窗函数信号的长度;k为窗函数中第k个振动值,k=0,1,N-1;j为虚数单位。根据初步分析,天线传动链的振动信号在不同频域范围内所占的比例基本相同,本研究将整个频率范围平均划分为1 0个区间,每个区间称为子带,各个子带的频率区间分别为0,f/1 0、f/1

    13、0+1,f/5、f/5+1,3f/1 0、3f/1 0+1,2f/5、2f/5+1,f/2、f/2+1,3f/5、3f/5+1,7f/1 0、7f/1 0+1,4f/5、4f/5+1,9f/1 0、9f/1 0+1,f。子带P(P=0,1,1 0)的功率均值DP的计算公式如下:DP=1WUPm=LpSm(m=1,2,W)(2)式中LP表示子带P的起始频率,单位为H z;UP表示子带P的终止频率,单位为H z;W表示子带P的长度W=f/1 0;DP为本研究提出的子带功率均值。1.2 分类方法故障分类部分选择B P(b a c k p r o p a g a t i o n)神经网络作为故障识别与

    14、诊断的分类器1 0,B P神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络,是应用最广泛的神经网络模型之一。B P神经网络的拓扑结构如图1所示,主要由输入层(i n p u t l a y e r)、隐含层(h i d d e n l a y e r)和输出层(o u t p u t l a y e r)组成。B P神经网络主要前向传播及误差的反向传播两个阶段完成学习,进而达到智能分类及预测能力。13河北省科学院学报2 0 2 3年第4 0卷图1 B P神经网络拓扑结构2 基于多层神经网络的故障诊断与识别2.1 实验平台本研究通过模拟天线方位座架的驱动电机和减速器松动故障来验证特征提取

    15、算法及故障分类器的有效性。为此,以3 m口径遥感测控天线的全转台座架为基础搭建了数据采集试验平台,平台主要由便携式终端、数据采集单元、方位俯仰座架、天线控制单元、天线驱动单元、振动传感器及连接线路等组成,整体试验平台组成如图2所示。图2 数据采集试验平台组成天线转动控制通过便携式终端发出控制指令天线控制单元,天线控制单元通过天线驱动单元驱动方位电机转动,使方位机构完成-9 0 +9 0 之间的匀速转动。两个振动传感器分别安装于方位电机端和减速器端,振动传感器用于及时记录天线在工作中的振动数据,并通过数据采集卡传至便携式终端进行记录保存。当天线由于齿轮磨损或紧固螺钉松动引起的振动时,传感器能够及

    16、时感应电机、减速机的振动变化规律。2.2 故障信息模拟分类通过手动调节“电机与减速器之间(电机端)”和“减速器与方位机构之间(减速器端)”连接螺钉的不同预紧程度,分别模拟4种故障状态下天线的工作状态;同时,分别记录4种状态下电机端、减速器端的振动数据,具体状态分类方式及分类信息见表1。2.3 故障诊断方法采用神经网络分类器进行故障诊断和识别算法,神经网络分类器的故障诊断过程主要分为离线学习和在线测试两个过程。1)离线学习中,首先,对振动原始数据进行数据预处理;第二,将数据进行特征提取,将振动数据约简为形式简单或高度概括的数据特征序列;第三,采用不同状态的特征序列和与之对应的状态标签对神经网络进

    17、行离线训练,得到故障分类模型。2)在线测试阶段,采用在线采集的振动数据进行特征提取后得到特征序列,将特征序列作为已训练好的神经网络模型输入,通过故障分类,得到天线状态预测值。23第3期李 蒙等:基于子带功率均值的天线故障特征提取及分类技术表1 故障分类信息表故障源状态名称故障描述状态标签振动数据组电机端故障1电机与减速器的连接螺钉产生轻微松动,4个连接螺栓中有1个螺栓失去预紧力电机端1振动数据1-1故障2-1电机与减速器的连接螺钉产生中度松动,4个连接螺栓中有2个螺栓失去预紧力电机端2振动数据1-2故障2-2电机与减速器的连接螺钉产生中度松动,4个连接螺栓中有3个螺栓失去预紧力电机端2振动数据

    18、1-2故障3电机与减速器的连接螺钉产生严重松动,4个连接螺栓全部丧失预紧力电机端3振动数据1-3正常状态电机端4正常数据1-4减速器端故障1减速器与方位机构的连接螺钉产生轻微松动,4个连接螺栓中有1个螺栓失去预紧力减速器端1振动数据2-1故障2-1减速器与方位机构的连接螺钉产生中度松动,4个连接螺栓中有2个螺栓失去预紧力减速器端2振动数据2-2故障2-2减速器与方位机构的连接螺钉产生中度松动,4个连接螺栓中有3个螺栓失去预紧力减速器端2振动数据2-2故障3减速器与方位机构的连接螺钉产生严重松动,4个连接螺栓全部丧失预紧力减速器端3振动数据2-3正常状态减速器端4正常数据2-42.4 诊断与测试

    19、为测试神经网络分类器模型的准确性,本研究采用随机抽样法进行离线训练和离线测试,具体方法如下:1)分别对4种状态下的振动数据组进行滑窗分段,记录不同状态下的多个数据片段;例如,振动数据1-1、振动数据1-2、振动数据1-3、正常数据1-4分别通过滑动窗口后,分别得到a、b、c、d四组片段数据,状态标签分别对应1、2、3、4;2)总的数据片段为A=a+b+c+d,随机在A中抽取7 0%的数据片段作为“离线训练数据”,剩余3 0%的数据片段作为“在线测试数据”;3)采用7 0%的“离线训练数据”训练神经网络,训练完成后,采用3 0%的“在线测试数据”进行准确度测试,将神经网络的预测输出值与已知标签值

    20、进行对比,进而得到神经网络的正确度。4)分别对电机端和减速器端进行分类测试。通过分析不同数据故障检测率(f a u l t d e t e c t i o n r a t e,F D R),一定时间内,用某种检测方法检测到的故障数与故障总数之比,RF D用百分数表示。数学表达式为:RF D=正确诊断的故障样本数总故障样本数(3)方位转台在4个运行状态进行正反转运动,分别采集4种运行状态下方位轴正转、反转依次交替的振动数据。分别采集电机端、减速器端的多组振动数据,采样频率为1 0 2 4 H z,每组截取1 6 3 8 5个采样点,分别33河北省科学院学报2 0 2 3年第4 0卷为记录结果。振

    21、动原始采集数据如图3所示。图3 振动信号原始采集数据3 天线故障诊断结果3.1 A P S D S特征提取结果根据振动信号进行离散傅里叶变换,分别得到振动数据的功率谱密度曲线,可得到4种状态下两两对比的混淆矩阵(表2)。可以看出,电机端和减速器端在不同工作状态下的R S D曲线之间有较大的区分度。表2 电机端、减速器端P S D对比混淆矩阵43第3期李 蒙等:基于子带功率均值的天线故障特征提取及分类技术 当天线传动系统中发生故障变化及天线运行状态发生变化时,其振动数据的P S D曲线会在不同频率范围内发生分布改变。实验平台的采样频率为1 0 2 4 H z,从表2中可以看出,4种状态在02 0

    22、 0 H z频率范围内的P S D分布差异性不大,而在2 0 11 0 2 4 H z范围内,会产生较大差异。因此,本研究在2 0 11 0 2 4 H z范围内按照每1 0 3 H z为一个频率区间,即平分为8个频率区间,分别为2 0 13 0 3 H z、3 0 44 0 6 H z、4 0 75 0 9 H z、5 1 06 1 2 H z、6 1 37 1 5 H z、7 1 68 1 8 H z、8 1 99 2 1 H z、9 2 21 0 2 4 H z。分别计算8个频率区间内的RM S特征值,电机端和减速器端的A P S D S特征值分布如图4、图5所示。其中,两个状态下的故障

    23、1-1与故障1-2同属于故障1类型,在模拟时分别来自于“2颗螺钉松动”和“3颗螺钉松动”状态下的振动数据。图4 电机端各子带A P S D S特征值分布曲线图5 减速器端各子带A P S D S特征值分布曲线 从图中可以看出,故障2-1与故障2-2只有在6 1 27 1 5 H z之间有差异,在其他频率范围内差异性不大。由此,可将故障2-1与故障2-2特征进行合并。4个状态下,8个A P S D S子带的特征值均具有区分度,可作为有效特征值进行后续神经网络分类器的输入。3.2 时频特征提取对比目前已有天线中的故障诊断系统多采用统计学参数,如:最大值、最小值、平均值、峰峰值、整流平均值、有效值、

    24、峰值、方差等,时频特征值共计2 1个参数对数据进行特征提取,时频特征参数表见表3。表3 时频特征参数列表编号特征名称编号特征名称编号特征名称1最大值8方差1 5脉冲因子2最小值9标准差1 6裕度因子3平均值1 0峭度1 7重心频率4峰峰值1 1偏度1 8均方频率5整流平均值1 2均方根1 9频率方差6有效值1 3波形因子2 0频带能量7峰值1 4峰值因子2 1相对功率谱熵采用时频特征参数对振动数据进行特征提取,其统计特征值分布曲线如图6、图7所示。从图中可以看出,电机端与减速器端的2 1个特征值均重叠在一起,不同状态下的特征分布之间不具有良好的区分度,无法达到状态区分的效果。53河北省科学院学

    25、报2 0 2 3年第4 0卷图6 电机端各时频特征值分布曲线图7 减速器端各时频特征值分布曲线3.3 故障分类结果故障分类器模型采用3层B P神经网络,分别针对电机端和减速器端建立2个分类器模型。其中输入层神经元为8个,依次代表A P S D S特征值的8个特征值;隐含层为3层,每层5个神经元;输出层为4个神经元,输出值分别代表故障1、2、3和正常状态共计4种不同的状态输出。分别对4种状态下采集的振动数据进行预处理、A P S D S特征值提取,得到数据组经过随机抽样法进行分配,随机抽取7 0%数据作为训练数据,3 0%数据作为测试验证数据,具体数据划分见表4。表4 振动传感器技术参数表分类数

    26、据分组数据组数训练数据组数(7 0%)测试数据组数(3 0%)状态标签电机端振动数据1-13 3 32 3 31 0 01振动数据1-22 6 91 8 88 12振动数据1-32 6 91 8 88 13正常数据1-42 5 31 7 77 64总样本数1 1 2 47 8 73 3 7减速器端振动数据2-13 3 32 3 31 0 01振动数据2-22 6 91 8 88 12振动数据2-32 6 91 8 88 13正常数据2-42 5 31 7 77 64总样本数1 1 2 47 8 73 3 7采用B P神经网络重复2 0轮“训练-测试”,记录平均故障检测率F D R值,统计结果见

    27、表5。试验结果可以看出,电机端和减速器端的2 0轮故障分类准确率均在9 6%以上,其中电机端的平均准确率为9 6.2 8%,减速器端的平均准确率为9 6.0 5%。4 结论本研究提出的子带功率均值特征提取方法对天线传动系统振动信号的频域特征提取具有良好的区分作用,相比于目前大部分天线健康管理平台中使用的时频特征提取方法具有明显的特征提取效果,同时通过B P神经网络分类器进行故障分类测试,电机端和减速器端的故障平均准确率均在9 6%以上,故障分类效果显著。该方法的提出可在天线健康管理及运维安全系统中提供有效的算法储备。63第3期李 蒙等:基于子带功率均值的天线故障特征提取及分类技术表5 B P故

    28、障检测率结果统计测试轮次电机端减速器端测试轮次电机端减速器端19 7.8 9%9 6.1 5%1 19 8.0 4%9 3.4 8%29 6.3 2%9 2.6 3%1 29 6.8 4%9 6.3 2%39 7.3 7%9 9.4 7%1 39 4.2 3%9 4.7 4%49 8.4 2%9 5.7 9%1 49 7.1 4%9 5.7 9%59 5.7 9%9 7.8 7%1 59 5.9 2%9 7.0 6%69 8.4 2%9 4.7 4%1 69 4.7 4%9 7.8 9%79 6.3 2%9 7.6 2%1 79 6.3 2%9 5.2 6%89 5.7 9%9 5.4 5%1

    29、 89 6.3 2%9 6.8 7%99 6.3 2%9 7.3 7%1 99 3.1 6%9 7.1 4%1 09 5.5 6%9 3.6 2%2 09 4.6 4%9 5.6 5%平均准确率9 6.2 8%9 6.0 5%未来工作可将其应用于具体天线运维系统中,以真实数据及真实故障进行分类训练,开展更多的实践研究来验证该方法在多工况下的适应性。参考文献:1 侯锦,吴宗清,胡红军,等.测控天线健康管理与支援保障系统研究及设计J.测控技术,2 0 2 2,4 1(8):5 9-6 5.2 徐频频,刘传保.雷达预测与健康管理系统设计J.现代雷达,2 0 1 9,4 1(1 1):7 7-8 4.

    30、3 王鹏.大型抛物面天线健康管理系统设计研究J.通讯世界,2 0 2 0,2 7(9):1 9 1-1 9 2.4 侯锦,王鹏.基于健康管理功能的测控天线一体化维护保障系统研究J.国外电子测量技术,2 0 2 1,4 0(1):1 0 1-1 0 5.5 F L EM I NG A J,N I NN E S S B,W I L L S A.R e c o v e r i n g t h e s p e c t r u m o f a l o w l e v e l s i g n a l f r o m t w o n o i s y m e a s u r e m e n t s u-s i

    31、 n g t h e c r o s s p o w e r s p e c t r a l d e n s i t yJ.R e v i e w o f S c i e n t i f i c I n s t r u m e n t s,2 0 1 3,8 4(8):1-6.6 C U S I D C U S I D O J,R OME R A L L,O R T E G A J A,e t a l.F a u l t d e t e c t i o n i n i n d u c t i o n m a c h i n e s u s i n g p o w e r s p e c t r

    32、 a l d e n s i t y i n w a v e l e t d e c o m p o s i t i o nJ.I E E E T r a n s a c t i o n s o n I n d u s t r i a l E l e c t r o n i c s,2 0 0 8,5 5(2):6 3 3-6 4 3.7 张家良,曹建福,高峰.大型装备传动系统非线性频谱特征提取与故障诊断J.控制与决策,2 0 1 2,2 7(1):1 3 5-1 3 8.8 陈凯,张礼华,赵恒,等.基于深度特征提取和对抗域适应网络的滚动轴承故障诊断J.制造技术与机床,2 0 2 3(1):9

    33、-1 5.9 YOUN GWOR TH R N,G A L L A GHE R B B,S T AMP E R B L.A n o v e r v i e w o f p o w e r s p e c t r a l d e n s i t y(P S D)c a l c u l a t i o n sJ.P r o c e e d i n g s o f S P I E-O p t i c a l M a n u f a c t u r i n g a n d T e s t i n g V I,2 0 0 5,5 8 6 9:1-1 1.1 0 RUME LHA R T D E,H I N T ON G E,W I L L I AM S R J.L e a r n i n g r e p r e s e n t a t i o n s b y b a c k-p r o p a g a t i n g e r r o r sJ.N a-t u r e,1 9 8 6,3 2 3(6 0 8 8):5 3 3-5 3 6.73


    注意事项

    本文(基于子带功率均值的天线故障特征提取及分类技术_李蒙.pdf)为本站上传会员【自信****多点】主动上传,咨信网仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知咨信网(发送邮件至1219186828@qq.com、拔打电话4008-655-100或【 微信客服】、【 QQ客服】),核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载【60天内】不扣币。 服务填表




    页脚通栏广告
    关于我们 - 网站声明 - 诚招英才 - 文档分销 - 便捷服务 - 联系我们 - 成长足迹

    Copyright ©2010-2024   All Rights Reserved  宁波自信网络信息技术有限公司 版权所有   |  客服电话:4008-655-100    投诉/维权电话:4009-655-100   

    违法和不良信息举报邮箱:help@zixin.com.cn    文档合作和网站合作邮箱:fuwu@zixin.com.cn    意见反馈和侵权处理邮箱:1219186828@qq.com   | 证照中心

    12321jubao.png12321网络举报中心 电话:010-12321  jubao.png中国互联网举报中心 电话:12377   gongan.png浙公网安备33021202000488号  icp.png浙ICP备2021020529号-1 浙B2-20240490   


    关注我们 :gzh.png  weibo.png  LOFTER.png               

    自信网络  |  ZixinNetwork