故障特征提取的方法研究
摘要：针对常规特征提取方法存在着问题不足，提出了基于BP神经网络和基于互信息熵的特征提取方法，并通过特征提取实例加以说明。结果表明这两种方法是可行和有效的。随着科学技术的发展，现代设备的结构日趋复杂，其故障类型越来越多，反映故障的状态、特征也相应增加。在实际故障诊断过程中，为了使诊断准确可靠，总要采集尽可能多的样本，以获得足够的故障信息。但样本太多，会占用大量的存储空间和计算时间，太多的特征输入也会引起训练过程耗时费工，甚至妨碍训练网络的收敛，最终影响分类精度。因此要从样本中提取对诊断故障贡献大的有用信息。这一工作就是特征提取。
特征提取就是利用已有特征参数构造一个较低维数的特征空间，将原始特征中蕴含的有用信息映射到少数几个特征上，忽略多余的不相干信息。从数学意义上讲，就是对一个n维向量X＝[x1，x2，…，xn]T进行降维，变换为低维向量Y＝[y1，y2，…，ym]T，m
【故障特征提取的方法研究】相关文章：
当前网络故障排除方法研究03-08
彩色图像特征提取研究(一)03-07
浅谈模拟电路故障原因与诊断方法03-18
浅谈数控机床故障的常用诊断方法03-18
气压制动的故障原因及排除方法探讨09-05
开题报告研究方法03-12
分析电动机常见故障及处理方法03-19
电动机常见故障分析及处理方法03-12
浅谈数控设备常见故障分析及维修方法03-18
浅谈电力变压器故障原因及处理方法05-20