混合智能故障诊断与预示技术的应用进展

被引：46

作者：

雷亚国

何正嘉

机构：

[1] 西安交通大学机械制造系统工程国家重点实验室

来源：

振动与冲击 | 2011年 / 30卷 / 09期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

混合智能故障诊断与预示技术; 大型复杂关键设备; 信号处理;

D O I：

10.13465/j.cnki.jvs.2011.09.019

中图分类号：

TH165.3 [];

学科分类号：

080202 ;

摘要：

为了对大型复杂关键设备进行有效的状态监测和故障诊断,综合运用多种人工智能技术和现代信号处理方法的混合智能故障诊断与预示技术得到国内外学者的高度重视和广泛研究。在研究大量相关文献的基础上,概括了混合智能故障诊断与预示技术的广义内涵;综述了国内外研究现状;分析指出了当前研究中存在的关键问题;针对目前的研究现状和存在问题,最后讨论了混合智能故障诊断与预示技术的发展趋势。

引用

页码：129 / 135

页数：7

共 17 条

[1] Gear crack level identification based on weighted K nearest neighbor classification algorithm [J].

Lei, Yaguo ;

Zuo, Ming J. .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2009, 23 (05) :1535-1547

[2]

Fault diagnosis of rotating machinery based on a new hybrid clustering algorithm.[J].Yaguo Lei;Zhengjia He;Yanyang Zi;Qiao Hu.The International Journal of Advanced Manufacturing Technology.2008, 9-10

[3]

Fault diagnosis of rotating machinery based on auto-associative neural networks and wavelet transforms.[J].Javier Sanz;Ricardo Perera;Consuelo Huerta.Journal of Sound and Vibration.2007, 4

[4] Fault diagnosis of rotating machinery based on SVD, FCM and RST [J].