基于小波网络的风机振动故障趋势预测
王致杰1
王崇林2
刘韬2
李冬2
孟庆海2
1.中国矿业大学,信息与电气工程学院,江苏,徐州,221008;山东科技大学,工程学院,山东,泰安,2710192.中国矿业大学,信息与电气工程学院,江苏,徐州,221008
摘要：采用小波网络方法,通过对矿井通风机关键特征参数振动烈度的时间序列预测,实现了其特征参数的故障预报.由于小波网络比一般神经网络具有更多的自由度,从而使其具有更灵活有效的函数逼近能力.小波神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配,使得小波网络有更强的自适应能力、更快的收敛速度和更高的预报精度.
关键词：通风机振动烈度小波神经网络故障预测
分类号：TD4(矿山机械)
资助基金：国家自然科学基金(50504015)国家自然科学基金(50077022)国家自然科学基金(60474029)
论文发表日期：2007-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 211-215 )
英文信息